连续状态空间下机器人避障方法研究

摘要：

针对机器人避障研究在连续状态空间下的环境泛化问题,提出一种基于深度强化学习的机器人避障方法.该方法引入像素点碰撞检测模块,并结合像素点碰撞模拟距离传感器,获得机器人与任意形态障碍物之间的距离和是否碰撞等信息.在深度强化学习过程中,移动机器人面对未知环境,通过行走获得经验数据训练神经网络,更新网络参数,优化机器人行为决策,实现避障任务.实验结果表明,在机器人避障过程中引入像素点碰撞检测能有效解决环境泛化问题,且动静态环境中训练出的网络模型具有较好的泛化能力.

关键词：深度强化学习、像素点碰撞检测、机器人避障、环境泛化

所属期刊栏目：35

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省高等学校大学生创新创业训练计划资助项目

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：68-77