基于改进SAC算法的移动机器人路径规划

作者：李永迪; 李彩虹; 张耀玉; 张国胜

来源：计算机应用, 2022, 1-8.

• 移动机器人
• 局部路径规划
• SAC算法
• 优先级经验回放
• ROS平台

为解决SAC(Soft Actor-Critic)算法在移动机器人局部路径规划中训练时间长、收敛速度慢等问题，通过引入优先级经验回放（PER）技术，提出了PER-SAC算法。首先将算法以等概率从经验池中随机抽取样本变为按优先级抽取，使网络优先训练误差较大的样本，提高了机器人训练过程的收敛速度和稳定性；其次优化TD误差的计算，降低训练偏差；然后利用迁移学习，使机器人从简单环境到复杂环境逐步训练，以加快训练速度；另外，算法设计了改进的奖励函数，增加机器人的内在奖励，解决稀疏奖励环境的问题；最后在ROS(RobotOperatingSystem)平台下进行仿真测试。仿真结果表明，在不同的障碍物环境中，PER-SAC算法均比原始算法收敛速度快、规划的路径长度短，并且PER-SAC算法能够减少训练时间，在路径规划性能上明显优于原始算法。

• 单位
  山东理工大学