融合DDPG算法的移动机器人路径规划研究

摘要：

路径规划是实现移动机器人自主导航的关键技术.针对传统算法不能有效解决未知动态环境下移动机器人路径规划的问题,提出了一种基于深度确定性策略梯度算法(DDPG)与人工势场法相融合的路径规划方法,首先创建并训练基于DDPG算法的路径规划模型;其次,利用人工势场法对DDPG算法的动作选择策略进行干预;最后,在四种仿真环境下验证本文所提算法的性能.仿真实验结果表明,本文提出的算法与DDPG算法相比,移动机器人行驶路径长度减少3％至10％,行驶过程中角速度超过1.0 rad/s的次数减少5％至12.5％,表明所提方法能有效提升规划路径的平滑度,同时缩短移动机器人路径规划长度.此外,相较人工势场法,本文所提融合算法可有效解决未知动态环境下移动机器人路径规划难题.

关键词：路径规划;深度强化学习算法;人工势场法;移动机器人

所属期刊栏目：28

分类号：TP24(自动化技术及设备)

资助基金：国家自然科学基金;江苏省自然科学基金青年项目;航空科学基金;澳门青年学者计划

在线出版日期：2021-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2136-2142