如题，请问有没有大佬在做RL或者DRL来控制无人机的姿态的？我设计的奖励函数是分阶段的：如果姿态误差值，下一步比上一步的误差小，给一个r1=2；每一步的姿态误差和角速度误差的值都给一个负的惩罚；当所有的姿态误差和角速度误差加起来都小于1°的时候，给一个正的奖励r3=5，当加起来小于0.5°的时候给一个更大的正奖励r3=150.
奖励函数设计的思路大概如上。我看到一些论文里说，可以用RL训练智能体输出飞机的四个端到端的控制量直接控制无人机的姿态，分别是发动机推力T和三个舵面：升降舵偏角、方向舵偏角和副翼。论文里都说这四个值作为控制量直接作用于无人机模型，影响气动系数，进而影响气动力和力矩，最后影响飞机的姿态。
请问 能用RL直接输出这四个action直接输给无人机模型里吗？我试了很久，飞机的姿态完全控制不住，而且还发散震荡的很厉害，reward也没有收敛，完全是负数而且负的数值很大很大。
求助求助！真的对我很重要！希望有懂的大佬帮帮我！谢谢！
