强化学习在机器人路径规划中的应用研究

• 作者: 王准 童亮
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 强化学习 自组织神经网络 机器人路径规划
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 仿真智能化
• 页码范围: 351-355,364
• 页数: 6页
• 分类号: TP242
• 字数: 5043字
• 语种: 中文

摘要

研究强化学习在机器人路径规划问题,作为基于行为的移动机器人路径规划,应具有实时、高效、快速的优点,但面对连续环境变量,如机器人通过传感器检测到的与障碍物的距离,存在状态表达和泛化问题,不恰当的状态泛化会影响系统的学习效率和收敛性.为了提高机器人对外界快速响应能力,在分析强化学习基本原理和连续状态泛化方法的基础上,提出利用Kohonen网络对机器人连续外部环境进行聚类的内部状态表示方法,给出了Kohonen网络的Q-Learning强化学习算法.根据机器人工作环境和路径规划目标,设计了机器人路径规划中的奖惩策略和动作选择规则,并通过仿真与传统的状态离散方法进行了比较.结果显示,提出的方法不仅降低了计算机的存储需求,而且加快了系统学习的收敛速度,表明了改进方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童亮	北京信息科技大学机电工程学院	60	198	9.0	12.0
2	王准	北京信息科技大学机电工程学院	13	50	5.0	7.0