深度强化学习在路径规划中的应用研究

作者:叶伟杰
来源:电子世界, 2020, (06): 66-67.
DOI:10.19353/j.cnki.dzsj.2020.06.039

摘要

<正>传统路径规划依赖地图信息和算法效率,本文提出将深度Q学习算法应用到机器人路径规划任务中,通过仿真实验证明,深度强化学习比传统的路径规划算法TEB的实时运算效率高,且不依赖于地图信息。移动机器人路径规划的目的是在给定初始位置和目标位置的基础下,计算一条无碰撞的路径。传统的解决方法依赖多种传感器