无人机在波浪扰动的海洋平台上自主着陆一直是一个具有挑战性的问题，主要难点在于平台运动的随机性、平台姿态的时变性以及触地条件的不确定性。现有的基于模型的方法通常需要精确的运动预测和在线优化，而端到端学习方法则可能面临训练复杂度高和可解释性有限的问题。为了解决这些挑战，本文提出了 WaveLander，一种基于强化学习（RL）的分层控制框架，旨在将垂直着陆决策与底层飞行稳定控制解耦。
WaveLander 的核心思想是将复杂的动态平台着陆问题分解为两个层次：高层决策和底层控制。在高层，一个强化学习策略将紧凑的平台相对观测映射为一个标量的垂直速度参考。这个观测可能包括平台与无人机的相对位置、速度以及平台的姿态等信息。策略的输出直接作为垂直速度的设定值，而不需要直接控制无人机的姿态或横向运动。在底层，一个传统的飞行控制器负责维持无人机的姿态稳定和横向跟踪，确保无人机能够跟随平台的水平运动并保持平衡。这种分层结构的关键优势在于，它将动态平台着陆问题简化为一个低维的、时序感知的控制问题，同时避免了端到端学习可能带来的高训练复杂度和低可解释性。
与现有方法相比，WaveLander 避免了显式的切换规则。传统方法可能需要在不同的飞行阶段（如接近、下降、触地）之间进行切换，而 WaveLander 通过连续的垂直速度参考实现了平滑的着陆行为。这种设计不仅简化了控制逻辑，还提高了着陆过程的鲁棒性。在仿真实验中，作者在随机波浪引起的平台运动条件下测试了 WaveLander 的性能。结果表明，该方法能够实现稳健的着陆性能，并且能够泛化到未见的扰动条件。这意味着学习到的策略不仅仅记住了训练中遇到的特定波浪模式，而是学会了适应不同的波浪运动，展现了良好的泛化能力。
该研究的贡献在于展示了分层学习控制方法在海洋无人机回收中的潜力。通过将强化学习应用于高层决策，同时保留传统的底层控制器，WaveLander 在保持系统可解释性和可靠性的同时，利用了学习方法的适应性。未来的工作可能包括在真实海洋环境中验证该方法，以及进一步优化观测空间和奖励函数以提高着陆精度和成功率。总之，WaveLander 为无人机在动态平台上的自主着陆提供了一种有前景的解决方案，推动了海洋无人机操作自动化的发展。