移动机器人路径规划强化学习的初始化

• 作者: 宋勇 李彩虹 李贻斌
• 来源期刊: 控制理论与应用
• 关键词: 移动机器人 强化学习 人工势能场 路径规划 Q值初始化
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 短文
• 页码范围: 1623-1628
• 页数: 6页
• 分类号: TP242
• 语种: 中文

摘要

针对现有机器人路径规划强化学习算法收敛速度慢的问题,提出了一种基于人工势能场的移动机器人强化学习初始化方法.将机器人工作环境虚拟化为一个人工势能场,利用先验知识确定场中每点的势能值,它代表最优策略可获得的最大累积回报.例如障碍物区域势能值为零,目标点的势能值为全局最大.然后定义Q初始值为当前点的立即回报加上后继点的最大折算累积回报.改进算法通过Q值初始化,使得学习过程收敛速度更快,收敛过程更稳定.最后利用机器人在栅格地图中的路径对所提出的改进算法进行验证,结果表明该方法提高了初始阶段的学习效率,改善了算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李贻斌	山东大学控制科学与工程学院	90	1377	21.0	34.0
2	李彩虹	山东理工大学计算机科学与技术学院	52	271	8.0	14.0