为了提升搜索式路径规划算法在C字型障碍中的探索效率，提出了一种基于对抗生成网络的A*算法。首先使用训练更为稳定的梯度惩罚Wasserstein对抗生成网络(WGAN-GP)生成存在可行路径的感兴趣区域；然后使用A*算法优先探索该区域，使得路径规划能够被有效引导；最终形成一条连续的路径。经过实验仿真验证，其相较于传统A*算法节约了31%的规划时间、减少了22.84%的探索空间，提升了路径规划算法的效率。实验结果表明，改进的A*算法具有较高的探索效率，能够更好地应用于机器人路径规划中。
科研之友
微信
新浪微博
Facebook
分享链接
