基于深度时空Q网络的机器人疏散人群算法

• 作者: 谭嵋 刘士豪 周婉 陈国文 胡学敏
• 来源期刊: 计算机工程
• 关键词: 深度时空Q网络 长短期记忆网络 人群疏散 机器人 深度强化学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 开发研究与工程应用|Development Research and Engineering Application
• 页码范围: 305-311
• 页数: 7页
• 分类号: TP391.7
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057878

摘要

针对目前人群疏散方法中机器人灵活性低、场景适应性有限与疏散效率低的问题,提出一种基于深度强化学习的机器人疏散人群算法.利用人机社会力模型模拟突发事件发生时的人群疏散状态,设计一种卷积神经网络结构提取人群疏散场景中复杂的空间特征,将传统的深度Q网络与长短期记忆网络相结合,解决机器人在学习中无法记忆长期时间信息的问题.实验结果表明,与现有基于人机社会力模型的机器人疏散人群方法相比,该算法能够提高在不同仿真场景中机器人疏散人群的效率,从而验证了算法的有效性.