本研究提出了一种基于策略的强化学习方法，用于解决多无人机在未知环境中的探索挑战。该方法结合了近端策略优化和深度卷积神经网络与长短期记忆。实验证明该方法在避免碰撞的同时能够有效完成覆盖任务。

该研究探讨了强化学习中的探索挑战，提出了$L_1$-Coverage目标以优化政策，支持内在复杂性控制和高效探索。通过增强型导航系统，机器人能够有效识别环境特征，减少威胁暴露。研究展示了多种算法在不同任务中的优越性，特别是在数据覆盖率和样本选择方面。