安全凸空間與深度強化學習結合的機器人導航方法

摘要： 針對機器人在全局地圖未知且環(huán)境內存在動態(tài)和靜態(tài)障礙物場景中的導航問題，提出一種基于深度強化學習(Deep Reinforcement Learning, DRL)的移動機器人導航方法。相較于其他應用于復雜動態(tài)環(huán)境的DRL機器人導航方法，該方法在動作空間設計、狀態(tài)空間設計和獎勵函數設計上進行了改進，并采用了控制環(huán)節(jié)與神經網絡分離的設計，有助于將仿真研究便捷有效地實現在各類機器人的... （共11頁）