本文提出基于课程的近端策略优化（PPO）框架，用于在包含高度相关气动阻力、风切变、时序相关湍流、离散阵风、不确定推进和气动参数、推力矢量偏差、发动机滞后、执行器增益变化、观测噪声和指令时延的随机环境中实现三维火箭着陆。学习过程分为远程接近、软降落和整体着陆三个阶段。为保证跨阶段学习，采用策略迁移、奖励变化后的评论家预热、早期任务复现以及天气强度的逐步扩展。
在 100,000 次评估实验中，策略实现 96,656 次成功着陆，成功率为 96.656\%，95\% Wilson 置信区间为 96.543%–96.766%。在零扰动条件下成功率为 98.84\%，最高天气强度下下降至 88.07\%。成功着陆的误差距离小，残余水平和垂直速度均低。通过逻辑回归分析发现，平均风速是成功率的最强关联因素，其次是初始距离、初始高度、初始垂直速度和风切变指数。结果既量化了所学策略在所评估扰动分布下的有效性，也揭示了在严重复合大气条件下的性能衰减。
点评