基于深度强化学习的机器人导航算法研究

摘要：

移动机器人穿越动态密集人群时,由于对环境信息理解不充分,导致机器人导航效率低且泛化能力弱.针对这一问题,提出了一种双重注意深度强化学习算法.首先,对稀疏的奖励函数进行优化,引入距离惩罚项和舒适性距离,保证机器人趋近目标的同时兼顾导航的安全性;其次,设计了一种基于双重注意力的状态价值网络处理环境信息,保证机器人导航系统兼具环境理解能力与实时决策能力;最后,在仿真环境中对算法进行验证.实验结果表明,提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性,主要表现为:在500个随机的测试场景中,碰撞次数和超时次数均为0,导航成功率优于对比算法,且平均导航时间比最好的算法缩短了2％;当环境中行人数量、导航距离发生变化时算法依然有效,且导航时间短于对比算法.

关键词：深度强化学习、奖励函数、状态价值网络、双重注意力

所属期刊栏目：40

分类号：U495;TP242(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金;江西省交通厅科技项目

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：67-74