文献类型：期刊文章

作　　者：徐继宁[1] 曾杰[1]

XU Ji-ning;ZENG Jie(School of Electrical and Control Engineering,North China University of Technology,Beijing 100043,China)

机构地区：[1]北方工业大学电气与控制工程学院

出　　处：《计算机科学》

基　　金：北方工大科研专项项目(108051360018XN073)资助

年　　份：2019

卷　　号：46

期　　号：S11

起止页码：94-97

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：机器人的路径规划一直是机器人运动控制研究的热点。目前的路径规划需要耗费大量时间来构建地图,而基于不断“试错”机制的强化学习通过预先的训练可以实现无地图条件下的路径规划。通过对当前的多种深度强化学习算法进行研究和分析,利用低维度的雷达数据和少量位置信息,最终确定了在不同智能家居环境下的有效动态目标点跟踪策略,同时完成了避障功能。实验结果表明,基于优先采样的DQN、Dueling Double DQN和DDPG算法,在不同环境下呈现较强的泛化能力。

关 键 词：强化学习  路径规划 目标跟随  

分 类 号：TP181]