基于深度强化算法的机器人动态目标点跟随研究

摘要：

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.

关键词：强化学习、路径规划、目标跟随

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：北方工大科研专项项目108051360018XN073

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：94-97