技术论文｜部分环境信息未知下的机器人动态路径规划算法

欢迎引用

[1]吕刚,吕金壮,邓军,刘凡栋,万施霖.sss部分环境信息未知下的机器人动态路径规划算法[J].自动化与仪器仪表,2022,No.269(03):186-190.DOI:10.14016/j.cnki.1001-9227.2022.03.186.

(1. 中国南方电 有限责任公司超高压输电公司贵阳局

2.中国南方电 有限责任公司超高压输电公司

3.浙江大学华南工业技术研究院)

摘 要:良好的移动机器人路径规划技术不仅可以节省大量的时间,还可以减少移动机器人的磨损和资金投入。传统 A*算法只能在完整的导航环境信息已知时进行静态路径规划,而包括强化学习( Reinforcement Learning,RL) 在内的元启发式算法虽然能够根据实时信息进行动态路径规划 但其参数调试费时费力 且在没有全局最优路线引导的情况下,很容易陷入局部最优解,而无法达到目的地。 针对总体布局已知、障碍物分布信息未知的场景,提出了一种结合 A*算法和 RL 中的近端策略优化( Proximal Policy Optimization,PPO) 算法的动态路径规划算法。 仿真实验表明,与通常的 RL 算法相比,该算法所需的训练期数较少,且能根据实时的障碍物信息规划出高效、安全的路径。

关键词:A*算法;强化学习;近端策略优化算法;动态路径规划

关注我的你，是最香哒！