基于强化学习的爬壁机器人路径规划方法

摘要：

针对爬壁机器人在地面与平整壁面环境中路径规划的研究,给出了一种基于k-最近邻(k-Nearest-Neighbor,kNN)分类法与强化学习算法相结合的爬壁机器人路径规划方法;基于强化学习算法的在线学习和环境自适应性,以有效缓解环境信息不确定性情况对爬壁机器人路径规划的影响;利用kNN算法的分类思想,根据爬壁机器人当前状态的k个最近邻状态的数学期望值选择最优动作,以解决大规模连续状态泛化造成算法收敛速度慢的问题;利用栅格法建立了仿真环境模型,仿真实验结果表明:该方法不仅能有效克服收敛性差的问题,而且提高了路径规划算法对环境的适应性及稳定性.

关键词：爬壁机器人、路径规划、强化学习、收敛性

所属期刊栏目：21

分类号：TP24(自动化技术及设备)

资助基金：国防基础科研计划资助项目B3120110006

在线出版日期：2015-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：3093-3095