景深约束下的深度强化学习机器人路径规划

• 作者: 卜祥津 李瑞峰 王珂 赵立军
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 路径规划 深度强化学习 最小深度信息 探索能力 未知环境
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 机器人路径规划
• 页码范围: 77-82
• 页数: 6页
• 分类号: TP242
• 语种: 中文
• DOI: 10.13245/j.hust.181214

摘要

为了提高未知环境下移动机器人的探索能力,基于深度强化学习训练提出一种基于最小深度信息有选择的训练模式,通过运动学方程约束,优化了状态空间的搜索与采集,提高了训练速率.在仿真未知环境中通过将RGB-D传感器的深度图像作为机器人的状态输入,学习模型将直接输出机器人的速度与角度并进行运动决策,验证了机器人路径规划控制策略.研究结果表明:在相同的训练时间下,所提出的训练模式对未知环境有更好的探索能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李瑞峰	哈尔滨工业大学机器人技术与系统国家重点实验室	60	1262	16.0	34.0
2	王珂	哈尔滨工业大学机器人技术与系统国家重点实验室	42	514	13.0	21.0
3	赵立军	哈尔滨工业大学机器人技术与系统国家重点实验室	50	649	16.0	24.0
4	卜祥津	哈尔滨工业大学机器人技术与系统国家重点实验室	1	7	1.0	1.0