前言

        将基于模型的控制与强化学习策略融合在扑翼飞行器中，虽然能够兼顾系统稳定性与极限机动能力，但也面临了更高的系统复杂性、对硬件算力与可靠性的额外要求，以及难以回避的能量效率等方面挑战。以下从四个方面进行归纳与分析。

---

1. 系统复杂性增加

1.1 两种控制方法的并存

        • 基于模型的控制依赖精确的系统动力学模型和参数估计，注重飞行器的稳定性控制。

        • 强化学习策略往往通过训练得到“经验”式决策，能在极限机动或非线性场景中发挥出更高的灵活性。

        • 将两者结合时，需要额外设计用于切换或融合控制信号的机制；不同控制模块之间还需共享或交换信息，极大地增加了系统的整体设计和实现难度。

1.2 任务与环境动态切换

        • 在常规、稳定的飞行场景下，多依赖基于模型的控制；在紧急机动或极端环境中，则倾向使用强化学习策略。

        • 为此，系统需要持续评估当前状态和环境，判断何时切换控制策略或如何分配控制权重。此过程增加了实时决策逻辑的复杂性。

1.3 控制信号的冲突与协调

        • 基于模型的控制更强调系