为提升自动导引车在智能工厂复杂动态环境下的避障能力，使其能在全局路径引导下安全、高效的完成避障任务，提出一种基于深度强化学习的局部避障方法。首先，将避障问题表示为部分观测马尔可夫决策过程，详细描述了观测空间、动作空间、奖励函数和最优避障策略，通过设置不同的奖励实现以全局路径引导局部避障规划；在此基础上，采用深度确定性策略梯度算法训练避障策略；最后，建立了仿真实验环境，设计多种实验场景验证方法的有效性。实验结果表明，提出的方法可以应对复杂动态环境，减小避障时间与距离，提高运行效率。
科研之友
微信
新浪微博
Facebook
分享链接
