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，既用於開發控制演算法，也為強化學習（RL）提供訓練資料。然而，現有的四旋翼學習環境在物理保真度、多智慧體支援和現代深度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、相容Gymnasium的多無人機模擬環境。

MuJoCo-Drones-Gym支援任意數量的Bitcraze Crazyflie 2.x奈米四旋翼無人機，並提供了模組化API。使用者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。動作介面方面，支援每電機轉速、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/分割相機影像或鄰域鄰接資訊。

該環境整合了PettingZoo的ParallelEnv包裝器，可無縫用於多智慧體強化學習。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慧體模板，展示了介面的廣泛適用性。論文描述了環境設計、底層物理和四旋翼動力學，並透過與gym-pybullet-drones專案類似的控制和學習示例說明了其用法，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（程式碼和資料隨論文釋出）為空中機器人研究提供了高吞吐量、高保真度的模擬平臺，有望推動多無人機控制與強化學習演算法的發展。