Anwendungen des maschinellen Lernens in UAVs

In diesem Buch werden die Auswirkungen verschiedener Faktoren wie Lernrate Abzinsungsfaktor und Epsilon auf die Fähigkeit der Drohne von der Quelle zum Ziel zu navigieren beschrieben. Je höher der Wert der Lernrate ist desto schneller lernt die Drohne aber es besteht die Gefahr dass sie eher oszilliert als konvergiert und bei einem niedrigeren Wert der Lernrate lernt die Drohne langsam konvergiert aber stetig. Die Arbeit in diesem Buch konzentriert sich hauptsächlich auf die Implementierung der RL-Algorithmen für kleinere Gebiete. Für größere komplexe Gebiete sind diese Algorithmen weniger effizient so dass Deep Reinforcement Learning in Zukunft eingesetzt werden kann um UAVs effizienter für den Einsatz in der Praxis zu machen.