-
题名基于SAC算法的移动机器人智能路径规划
被引量：2
- 1
-
-
作者
杨来义
毕敬
苑海涛
-
机构
北京工业大学信息学部软件学院
北京航空航天大学自动化科学与电气工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2023年第8期1726-1736,共11页
-
基金
国家自然科学基金(62073005,62173013)。
-
文摘
为解决传统的机器人路径规划算法维度高、收敛慢、建模难等问题,提出一种新的路径规划算法。基于深度强化学习SAC(soft actor-critic)算法,旨在解决机器人面对具有静态和动态障碍物的复杂环境时,路径规划表现差的问题。为使机器人快速躲避障碍物且到达目标,设计合理的奖励函数,使用动态的状态归一化和优先级经验技术。为评估该算法性能,构建基于Pygame的仿真环境。将所提算法与近端策略优化(proximal policy optimization,PPO)算法进行比较。实验结果表明:所提算法的累计奖励能够得到显著提高,并且具有更强的鲁棒性。
-
关键词
深度强化学习
路径规划
sac(soft
actor-critic)算法
连续奖励函数
移动机器人
-
Keywords
deep reinforcement learning
path planning
soft actor-critic algorithm
continuous reward functions
mobile robots
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
