基于深度强化学习的行星车路径规划方法研究

• 作者: 周思雨 白成超
• 来源期刊: 无人系统技术
• 学科: 航空航天
• 关键词: 行星车 深度强化学习 深度Q学习 路径规划
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 技术研究
• 页码范围: 38-45
• 页数: 8页
• 分类号: V19
• 字数: 4721字
• 语种: 中文

摘要

在传统的路径规划方法中,行星车的所有行为都是地面人员事先定义好的.但行星车的作业环境不是完全已知的,这就需要行星车具备一定的对环境变化自适应和自学习能力.为了进一步实现行星车的自主决策,并解决传统人为规划框架中过于依赖地图信息的问题,基于深度强化学习理论提出了端到端的路径规划方法,直接从传感器信息映射出动作指令再发布给行星车.首先使用CNN和LSTM处理雷达和相机的信息,通过比较DQ、Double DQN、Dueling DQN和PER算法的优点,采用D3QN PER算法,训练行星车自动路径规划,最后在静态障碍环境中进行了仿真验证实验,试验表明D3QN PER算法对火星车在不同环境均具有适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白成超	哈尔滨工业大学航天学院	5	5	1.0	2.0
2	周思雨	哈尔滨工业大学航天学院	1	0	0.0	0.0