科研之友
微信
新浪微博
Facebook
分享链接
摘要
无人水面艇局部路径规划在海事救援、海洋运输等领域中发挥着重要的作用。现有局部路径规划算法在简单场景中取得了不错的效果，但面对环境中存在的复杂障碍物和海流干扰时，性能表现较差。为此，提出了一种基于时空感知增强的深度Q网络强化学习算法，首先，引入多尺度空间注意力模块捕捉距离传感器的多尺度空间信息，提升了复杂障碍物环境的感知能力；其次，利用基于长短时记忆网络的海流感知模块提取海流干扰环境的时间序列特征，增强了对海流干扰的感知能力；此外，对无人水面艇传感器和运动模型进行了模拟，并设计了强化学习状态空间、动作空间和基于方向导引的奖励函数，提升了算法的导航性能和收敛速度。在复杂仿真场景中进行了实验，结果表明，所提算法相比于原始算法在导航成功率和平均到达时间两个指标上均得到了提升，算法表现出较强的复杂环境适应性。
- 单位
