基于深度强化算法的机器人动态目标点跟随研究
机器人的路径规划一直是机器人运动控制研究的热点.目前的路径规划需要耗费大量时间来构建地图,而基于不断"试错"机制的强化学习通过预先的训练可以实现无地图条件下的路径规划.通过对当前的多种深度强化学习算法进行研究和分析,利用低维度的雷达数据和少量位置信息,最终确定了在不同智能家居环境下的有效动态目标点跟踪策略,同时完成了避障功能.实验结果表明,基于优先采样的DQN、Dueling Double DQN和DDPG算法,在不同环境下呈现较强的泛化能力.
强化学习、路径规划、目标跟随
46
TP181(自动化基础理论)
北方工大科研专项项目108051360018XN073
2019-12-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
94-97