融合探索规则和知识共享的单智能体路径规划

作者：邓辅秦; 官桧锋; 黄焕钊; 李伟科; 洪俊填; 王宏民; 冯其

来源：五邑大学学报(自然科学版), 2021, 35(04): 31-37.

• 强化学习
• 路径规划
• 知识共享

在移动机器人路径规划研究中,传统的强化学习方法缺乏环境的先验知识,需要不断地探索才可以规划出最优路径,这使得算法需要大量的时间才能收敛.为了提高算法的收敛速度,本文提出了一种第一阶段基于探索规则积累路径先验知识、第二阶段基于Q-learning算法和知识共享机制优化路径的单智能体路径规划方法,适用于求解栅格环境下的路径规划任务.不同环境下的仿真结果证明,相比于现有的方法,该算法不仅能够规划出最优路径,而且在时间效率上提升了39.7%,有效提高了机器人路径规划的效率.

• 单位
  材料学院; 五邑大学; 深圳市人工智能与机器人研究院