基于强化学习的多定位组件自动选择方法

• 作者: 曹其新 梁爽 王雯珊 邹风山
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 移动机器人 定位 强化学习 中间件:Monte Carlo方法 多传感器 模块化 分布式系统
• 年，卷（期）: 2016,（2）
• 页码范围: 149-154
• 页数: 6页
• 分类号: TP242.6
• 字数: 3921字
• 语种: 中文
• DOI: 10.11992/tis.201510031

摘要

在一个大规模的动态环境中，针对机器人各种定位传感器的局限性，提出了一种基于强化学习的定位组件自动选择方法。系统采用分布式架构，将机器人不同的定位传感器与定位方法封装为不同的组件。采用强化学习的方法，寻找最优策略，实现多定位组件的实时切换。仿真结果表明，该方法可以解决大型环境中，单一定位方法不能适用于整个环境的问题，能够依靠多定位组件提供可靠的机器人定位信息；环境发生改变时，通过学习的方法不需要重新配置组件，且与直接遍历组件后切换组件的方法相比，极大地减小了延时。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹其新	上海交通大学机器人研究所	128	1711	24.0	34.0
2	王雯珊	上海交通大学机器人研究所	5	68	3.0	5.0
3	邹风山	新松机器人有限公司中央研究院	6	153	4.0	6.0
4	梁爽	上海交通大学机器人研究所	5	8	2.0	2.0