用强化学习训练无人机竞速的实战配方

A recipe for drone racing with reinforcement learning

这是四旋翼模拟系列的终章。我不再从头推导公式，而是分享一套训练无人机竞速策略的实战配方。从验证 PPO 超参数的倒立摆任务，到构建基于 MuJoCo 的自定义环境，再到实现 CTBR 动作空间与低层 P 控制器，我逐步拆解了从悬停到穿越八门赛道的关键技巧。核心在于将长任务拆解为短任务，通过随机重置起始门让策略真正学会读取目标信息。这套方法没有严谨证明，全是经验之谈，代码已开源在 GitHub 上。