结合APF和改进DDQN的动态环境机器人路径规划方法

作者：孙传禹; 张雷; 辛山; 刘悦

来源：小型微型计算机系统, 2023, 44(09): 1940-1946.

DOI：10.20009/j.cnki.21-1106/TP.2022-0002

• 人工势场法
• 改进DDQN算法
• 路径规划
• 动态环境

针对动态环境的机器人路径规划，人工势场法(APF)易陷入局部最小陷阱；强化学习深度双重Q网络(DDQN)算法存在盲目探索过多、收敛较慢和规划路径不平滑的问题，本文提出一种基于人工势场法和改进DDQN的动态环境机器人路径规划算法(PF-IDDQN).首先，将人工势场法引入改进DDQN以获取初始全局环境信息，并对奖励模块进行优化；其次，在算法状态集中增加4个方向因素，以提高规划路径的平滑度；最后，进行了动态环境下的训练仿真.结果表明，机器人在动态环境中可以在有限探索次数内到达目标位置，验证了本文算法的有效性.

• 单位
  北京建筑大学