一种改进dueling网络的机器人避障方法

• 作者: 周翼 陈渤
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器人避障 深度增强学习 dueling网络 独立训练
• 年，卷（期）: 2019,（1）
• 页码范围: 46-50,63
• 页数: 6页
• 分类号: TP242.6
• 字数: 3858字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.01.008

摘要

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型.该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值.该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励.实验结果表明,该新算法模型能有效地提升机器人避障性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈渤	西安电子科技大学雷达信号处理国家重点实验室	16	204	9.0	14.0
5	周翼	西安电子科技大学雷达信号处理国家重点实验室	1	2	1.0	1.0