首页|基于深度强化学习和动态窗口法的移动机器人路径规划

基于深度强化学习和动态窗口法的移动机器人路径规划

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了应对复杂多变的环境并提高移动机器人实时避障能力,提出了一种基于深度强化学习和动态窗口法的融合路径规划方法.首先,通过将机器人的驱动控制直接作用在速度空间来执行路径规划,从而使机器人具备动态窗口特性.然后,设计并训练一个深度Q网络去逼近移动机器人的状态-动作值函数,进而与环境动态地进行交互和试错,实时调整机器人的移动轨迹,最终为机器人找到最优路径.仿真实验结果表明,论文所提方法在自定义RGB(图像像素)图像的复杂环境中能够使移动机器人保持安全适当的速度行驶,找到无碰撞的最优路径,具有较好的鲁棒性.
Path Planning for Mobile Robot Based on Deep Reinforcement Learning and Dynamic Window Approach

王鹏凯、梁中华、杨阔、胡雅悦、唐赵

展开 >

长安大学 西安 710064

移动机器人 避障 深度强化学习 动态窗口 鲁棒性

陕西省自然科学基础研究计划面上项目中央高校基本科研业务费基础研究项目

2020JM-242300102249303

2021

10.3969/j.issn.1672-9722.2021.10.013

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(10)
  • 1
  • 1