基于强化学习的两轮模型车控制仿真分析

• 作者: 何嘉颖 周敬淞 晋帅 李煊鹏 李纾昶
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 强化学习 Q-Learning Sarsa Gazebo仿真
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 计算机与控制系统
• 页码范围: 115-121
• 页数: 7页
• 分类号: TP393.04|V243.2
• 字数: 5432字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.12.020

摘要

在不同环境中,各种强化学习算法的控制效果存在差异,针对特定环境下算法难以选择的问题,基于Gym与Gazebo搭建了一种强化学习算法仿真的小车平台,使用其对Q-Learning算法、Sarsa算法和DQN算法在两轮模型车的行走控制训练中进行测试验证,利用三种复杂度不同的地图,在训练次数相同的情况下测试算法的有效性与鲁棒性.实验结果与预期符合:Q-Learning算法在较简单的地图中可以使模型车获得较高的奖励;Sarsa算法的稳定性更佳,训练收敛速度更快、效果更优;DQN算法收敛性与鲁棒性最优.该平台提供了一种利用仿真环境模拟实物运动控制的有效方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李煊鹏	东南大学仪器科学与工程学院	7	23	2.0	4.0
2	晋帅	东南大学仪器科学与工程学院	1	0	0.0	0.0
3	何嘉颖	东南大学仪器科学与工程学院	1	0	0.0	0.0
4	李纾昶	东南大学仪器科学与工程学院	1	0	0.0	0.0
5	周敬淞	东南大学仪器科学与工程学院	1	0	0.0	0.0