文献类型：期刊文章

作　　者：杨来义[1] 毕敬[1] 苑海涛[2]

Yang Laiyi;Bi Jing;Yuan Haitao(School of Software Engineering in Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China;School of Automation Science and Electrical Engineering,Beihang University,Beijing 100191,China)

机构地区：[1]北京工业大学信息学部软件学院,北京100124 [2]北京航空航天大学自动化科学与电气工程学院,北京100191

出　　处：《系统仿真学报》

基　　金：国家自然科学基金(62073005,62173013)。

年　　份：2023

卷　　号：35

期　　号：8

起止页码：1726-1736

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决传统的机器人路径规划算法维度高、收敛慢、建模难等问题,提出一种新的路径规划算法。基于深度强化学习SAC(soft actor-critic)算法,旨在解决机器人面对具有静态和动态障碍物的复杂环境时,路径规划表现差的问题。为使机器人快速躲避障碍物且到达目标,设计合理的奖励函数,使用动态的状态归一化和优先级经验技术。为评估该算法性能,构建基于Pygame的仿真环境。将所提算法与近端策略优化(proximal policy optimization,PPO)算法进行比较。实验结果表明:所提算法的累计奖励能够得到显著提高,并且具有更强的鲁棒性。

关 键 词：深度强化学习  路径规划 SAC(soft actor-critic)算法  连续奖励函数  移动机器人

分 类 号：TP311.5]