科研之友
微信
新浪微博
Facebook
分享链接
摘要
良好的移动机器人路径规划技术不仅可以节省大量的时间，还可以减少移动机器人的磨损和资金投入。传统A*算法只能在完整的导航环境信息已知时进行静态路径规划，而包括强化学习(Reinforcement Learning, RL)在内的元启发式算法虽然能够根据实时信息进行动态路径规划，但其参数调试费时费力，且在没有全局最优路线引导的情况下，很容易陷入局部最优解，而无法达到目的地。针对总体布局已知、障碍物分布信息未知的场景，提出了一种结合A*算法和RL中的近端策略优化(Proximal Policy Optimization, PPO)算法的动态路径规划算法。仿真实验表明，与通常的RL算法相比，该算法所需的训练期数较少，且能根据实时的障碍物信息规划出高效、安全的路径。
-
单位中国南方电网有限责任公司超高压输电公司; 浙江大学华南工业技术研究院
