-
题名基于路径规划和深度强化学习的机器人避障导航研究
被引量：2
- 1
-
-
作者
康振兴
-
机构
合肥工业大学仪器科学与光电工程学院
-
出处
《计算机应用与软件》
北大核心
2024年第1期297-303,共7页
-
文摘
针对移动机器人的长距离避障导航问题,提出结合深度强化学习(Deep Reinforcement Learning,DRL)和路径规划(Path Planning,PL)的避障导航算法。该方法通过快速扩展随机树(Rapidly Exploring Random Tree,RRT)算法在长距离的路径上进行规划,根据生成的路径节点,将长距离路径划分为若干短距离,而在短距离的导航问题上利用深度强化学习的算法,训练一个具有环境感知和智能决策能力的端到端避障导航模型。仿真实验表明,相较于仅用DRL的避障导航,该方法使移动机器人的长距离避障导航性能有了大幅度提升,解决了DRL在长距离避障导航任务上的局限性问题。
-
关键词
深度强化学习
路径规划
移动机器人
长距离避障导航
-
Keywords
Deep reinforcement learning
Path planning
Mobile robot
Long-distance obstacle avoidance navigation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP3
[自动化与计算机技术—控制科学与工程]
-
