MuJoCo-Drones-Gym：用於控制與強化學習的GPU加速多無人機模擬器

機器人模擬器是空中機器人研究的重要工具，既用於開發控制算法，也為強化學習（RL）提供訓練數據。然而，現有的四旋翼學習環境在物理保真度、多智能體支持和現代深度RL流水線所需吞吐量之間存在權衡。針對這一問題，研究人員提出了MuJoCo-Drones-Gym，一個基於MuJoCo物理引擎的開源、兼容Gymnasium的多無人機模擬環境。

MuJoCo-Drones-Gym支持任意數量的Bitcraze Crazyflie 2.x納米四旋翼無人機，並提供了模塊化API。用户可以根據需求選擇物理模型，包括剛體MuJoCo模型、顯式Python動力學模型，以及地面效應、槳葉阻力和無人機間下洗流等效果的任意組合。動作接口方面，支持每電機轉速、集體歸一化推力、速度設定點或PID航點命令。觀測空間則包括運動狀態向量、RGB/深度/分割相機圖像或鄰域鄰接信息。

該環境集成了PettingZoo的ParallelEnv包裝器，可無縫用於多智能體強化學習。同時，提供了七種任務環境：懸停、速度跟蹤、多無人機懸停、航點導航、編隊飛行、門形賽道飛行和通用多智能體模板，展示了接口的廣泛適用性。論文描述了環境設計、底層物理和四旋翼動力學，並通過與gym-pybullet-drones項目類似的控制和學習示例説明了其用法，同時利用了MuJoCo改進的接觸處理、渲染和並行化能力。

MuJoCo-Drones-Gym的開源性質（代碼和數據隨論文發佈）為空中機器人研究提供了高吞吐量、高保真度的模擬平台，有望推動多無人機控制與強化學習算法的發展。