好发高区！强化学习+卡尔曼滤波前沿创新思路整理！

2025深度学习发论文&模型涨点之——强化学习+卡尔曼滤波

强化学习（Reinforcement Learning, RL）和卡尔曼滤波（Kalman Filter, KF）是两种不同的方法，分别用于决策制定和状态估计。将它们结合起来，可以提高系统在不确定环境中的性能。

• 探索阶段: 通过尝试不同的动作来探索环境。

• 利用阶段: 通过选择最优动作来利用已知的环境信息。

小编整理了一些强化学习+卡尔曼滤波【论文】合集，以下放出部分，全部论文PDF版皆可领取。

需要的同学扫码添加我

回复“强化学习+卡尔曼滤波”即可全部领取

论文精选

论文1：

Champion-level drone racing using deep reinforcement learning

使用深度强化学习的冠军级无人机竞速

方法

• 深度强化学习（Deep RL）：利用深度强化学习训练无人机的控制策略，使其能够在模拟环境中学习最优飞行路径。

  感知系统：结合视觉和惯性信息，将高维的视觉和惯性数据转化为低维