安全凸空間與深度強(qiáng)化學(xué)習(xí)結(jié)合的機(jī)器人導(dǎo)航方法

摘要： 針對機(jī)器人在全局地圖未知且環(huán)境內(nèi)存在動態(tài)和靜態(tài)障礙物場景中的導(dǎo)航問題，提出一種基于深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning, DRL)的移動機(jī)器人導(dǎo)航方法。相較于其他應(yīng)用于復(fù)雜動態(tài)環(huán)境的DRL機(jī)器人導(dǎo)航方法，該方法在動作空間設(shè)計、狀態(tài)空間設(shè)計和獎勵函數(shù)設(shè)計上進(jìn)行了改進(jìn)，并采用了控制環(huán)節(jié)與神經(jīng)網(wǎng)絡(luò)分離的設(shè)計，有助于將仿真研究便捷有效地實現(xiàn)在各類機(jī)器人的... （共11頁）