Аннотация
В данной статье рассмотрены алгоритмы распознавания станций подзарядки и оптимизации траекторий полета беспилотных летательных аппаратов (БПЛА) с применением методов Reinforcement Learning (RL). Представлены традиционные подходы компьютерного зрения и глубокого обучения для идентификации зарядных станций, а также алгоритмы планирования маршрутов, включая A*, Dijkstra и Rapidly Exploring Random Tree. Проведен сравнительный анализ методов и показано, что RL обладает высокой адаптивностью в реальных условиях, обеспечивая улучшение автономности и энергоэффективности БПЛА. Исследование демонстрирует, как интеграция RL способствует повышению точности стыковки дронов с зарядными станциями и оптимизации их работы в динамической среде.