基于改进强化学习的移动机器人动态避障方法

作     者：徐建华 邵康康 王佳惠 刘学聪 XU Jianhua;SHAO Kangkang;WANG Jiahui;LIU Xuecong

作者机构：北京理工大学自动化学院北京100081 

出 版 物：《中国惯性技术学报》 (Journal of Chinese Inertial Technology)

年 卷 期：2023年第31卷第1期

页      面：92-99页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：装备重大基础研究项目(5140502A03)。 

主　　题：移动机器人 动态避障 强化学习 柔性演员评论家算法 卷积神经网络 

摘      要：针对未知环境下移动机器人动态避障存在规划轨迹长、行驶速度慢和鲁棒性差等问题,提出一种基于改进强化学习的移动机器人动态避障方法。移动机器人根据自身速度、目标位置和激光雷达信息直接得到动作信号,实现端到端的控制。基于距离梯度引导和角度梯度引导促使移动机器人向终点方向优化,加快算法的收敛速度;结合卷积神经网络从多维观测数据中提取高质量特征,提升策略训练效果。仿真试验结果表明,在多动态障碍物环境下,所提方法的训练速度提升40%、轨迹长度缩短2.69%以上、平均线速度增加11.87%以上,与现有主流避障方法相比,具有规划轨迹短、行驶速度快、性能稳定等优点,能够实现移动机器人在多障碍物环境下平稳避障。