基于深度强化学习的水下机器人最优轨迹控制

• 作者: 余润笙 李腾龙 石振宇 马琼雄 黄晁星
• 来源期刊: 华南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度强化学习 深度神经网络 水下机器人 轨迹跟踪 运动控制
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学与软件工程
• 页码范围: 118-123
• 页数: 6页
• 分类号: TP242|TP181
• 字数: 5254字
• 语种: 中文
• DOI: 10.6054/j.jscnun.2018037

摘要

为了实现水下机器人在跟踪复杂轨迹时具有较高的精度和稳定性,提出了利用深度强化学习实现水下机器人最优轨迹控制的方法:首先,建立基于2个深度神经网络(Actor网络和Critic网络)的水下机器人控制模型,其中Actor网络用来选择动作,Critic网络用来评估Actor网络的训练结果;其次,构造合适的奖励信号使得深度强化学习算法适用于水下机器人的动力学模型;最后,提出了基于奖励信号标准差的网络训练成功评判条件,使得水下机器人在确保精度的同时保证稳定性.仿真实验结果表明:在解决一定精度内的水下机器人复杂轨迹跟踪问题时,该算法与传统PID控制算法相比具有更优的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马琼雄	华南师范大学信息光电子科技学院	2	9	1.0	2.0
2	余润笙	华南师范大学信息光电子科技学院	1	8	1.0	1.0
3	石振宇	华南师范大学信息光电子科技学院	1	8	1.0	1.0
4	黄晁星	华南师范大学信息光电子科技学院	1	8	1.0	1.0
5	李腾龙	华南师范大学信息光电子科技学院	1	8	1.0	1.0