基于强化学习的快速探索随机树特殊环境中路径重规划算法

• 作者: 侯英鹂 刘世慧 张跃 邹启杰
• 来源期刊: 控制理论与应用
• 关键词: 快速探索随机树 Sarsa(λ) 局部路径重规划 移动机器人 特殊环境
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 论文与报告
• 页码范围: 1737-1748
• 页数: 12页
• 字数: 8792字
• 语种: 中文
• DOI: 10.7641/CTA.2020.90622

摘要

针对移动机器人在未知的特殊环境(如U型、狭窄且不规则通道等)下路径规划效率低问题,本文提出一种强化学习(RL)驱动快速探索随机树(RRT)的局部路径重规划方法(RL–RRT).该方法利用Sarsa(λ)优化RRT的随机树扩展过程,既保持未知环境中RRT的随机探索性,又利用Sarsa(λ)缩减无效区域的探索代价.具体来说,在满足移动机器人运动学模型约束的同时,通过设定扩展节点的回报函数、目标距离函数和平滑度目标函数,缩减无效节点,加速探索过程,从而达到路径规划多目标决策优化的目标.仿真实验中,将本方法用于多种未知的特殊环境,实验结果显示出RL–RRT算法的可行性、有效性及其性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹启杰	大连大学信息工程学院	7	10	2.0	3.0
5	刘世慧	大连大学信息工程学院	1	0	0.0	0.0
6	张跃	大连大学信息工程学院	1	0	0.0	0.0
7	侯英鹂	大连大学信息工程学院	1	0	0.0	0.0