CGandGameEngineLearner / HongJun
鸿钧:一个基于虚幻引擎和 AirSim 的仿真系统,让用户以简单轻松的配置方式搭建定制化的无人机作战环境。 本项目是鸿钧的 python 控制器,其通过 Socket 协议与由基于虚幻引擎和 AirSim 的仿真系统——鸿钧建立通讯,并控制其中仿真的无人机,进行飞行和战斗任务。用户可以使用 Python 语言编写无人机的飞行任务程序,完成无人机的编队飞行、攻击战斗、集群对抗等任务。 本团队在 AirSim 的基础上拓展出了攻击、战斗系统,可以对无人机的作战环境进行模拟,本项目可作为集群智能的训练平台,适用于无人机集群对抗、轰炸敌方目标单位等任务的人工智能训练。 该项目已被清华大学猛狮无人驾驶实验室和南京航空航天大学无人机实验室的研究生团队采用,并于人工智能仿真训练,并发表相关科研论文
☆63Updated 7 months ago
Alternatives and similar repositories for HongJun:
Users that are interested in HongJun are comparing it to the libraries listed below
- 鸿钧:一个基于虚幻引擎和 AirSim 的仿真系统,让用户以简单轻松的配置方式搭建定制化的无人机作战环境。 本项目是鸿钧的 python 模拟器端,由Unreal4.27.2开发,其通过 Socket 协议与由基于虚幻引擎和 AirSim 的仿真系统——鸿钧建立通讯,并控制…☆21Updated 2 months ago
- UAVGym是一个用python编写的GYM风格的无人机仿真环境,用于强化学习算法的研究。☆37Updated last year
- 基于强化学习的空战对抗☆64Updated 3 years ago
- Multi-agent Combat Arena (UAV swarm vs UAV swarm)☆112Updated 4 years ago
- ☆29Updated last year
- gym 框架下的多智能体追逃博弈强化学习平台☆11Updated last year
- 利用Airsim做无人机编队仿真,持续更新中。☆29Updated 3 years ago
- ☆33Updated 9 months ago
- Multi/Single UAV(unmanned aerial vehicle) path planning based on deep reinforcement learning☆119Updated last month
- 基于MADDPG的多智能体博弈对抗算法☆12Updated last year
- 无人机集群编队飞行☆72Updated 2 years ago
- 利用值函数逼近网络设计无人机空战自主决策系统,目前是初步的程序编写,之后会不断更新和详解。☆68Updated 5 years ago
- Multi-UAV target round-up based on MADDPG☆73Updated 3 months ago
- Attempt to reproduce and improve the implementation of the paper 'Improving Multi-Target Cooperative Tracking Guidance for UAV Swarms Usi…☆32Updated 7 months ago
- DQN 无人机 强化学习可视化☆18Updated 10 months ago
- Mission Planning & Task Allocation - Team A for UAV Swarm Project for BAE Systems UAV Swarm Challenge☆79Updated last year
- A Distributed Adaptive Route Planning Optimization Algorithm for UAV Swarm☆39Updated 9 months ago
- UAV Logistics Environment for Multi-Agent Reinforcement Learning / Unity ML-Agents / Unity 3D☆87Updated 10 months ago
- Multi-UAV Adaptive Path Planning Using Deep Reinforcement Learning☆84Updated last year
- Heterogeneous Hierarchical Multi Agent Reinforcement Learning for Air Combat