基于深度强化学习的多AMR路径规划算法研究

作者：段云森; 朱珂瑶; 任耀华

来源：中国电子科学研究院学报, 2022, 17(11): 1070-1077.

• 深度强化学习
• AMR
• 路径规划
• 任务调度

针对箱式仓储环境下的多自主移动机器人(AMR)调度问题，传统动态路径规划算法(TDP)有解算可行路径效率低、系统实时性较差的缺点。针对这一问题，文中以时间最优为目标建立强化学习算法(RL)模型，用于提高多AMR同时调度的路径规划求解速度。此外，结合深度学习(DL)算法的优点，采用深度强化学习算法(DRL)有效缩短高维度、复杂工况下RL算法模型训练的收敛时间。仿真对比了TDP、RL和DRL三种算法模型，验证了DRL方法的有效性。

• 单位
  中国电子科技集团公司第二研究所