导航和避障是移动机器人自主智能中一项基础且重要的任务，其目的是引导机器人到达相应的位置。随着移动机器人的广泛使用，移动机器人常需要在大量移动障碍物的环境中导航和避障。提出了一种基于深度强化学习的导航避障算法，通过基于残差卷积和注意力机制的深度Q网络与势能奖励函数相结合，提高了在密集动态环境中导航避障的性能。仿真实验证明，当环境中动态障碍物密度大于0.4 ppm时，导航成功率大于60%。
科研之友
微信
新浪微博
Facebook
分享链接
