基于深度Q网络的无人车侦察路径规划
作者机构:南京理工大学自动化学院
出 版 物:《系统工程与电子技术》 (Systems Engineering and Electronics)
年 卷 期:2024年
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0826[工学-兵器科学与技术] 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:国家自然科学基金(61374186) 装备预研项目(50901020202)资助课题
摘 要:在城市战场环境下,无人侦察车有助于指挥部更好的了解目标地区情况,提升决策准确性,降低军事行动的威胁。目前无人侦察车多采用阿克曼转向结构,传统算法规划的路径不符合无人侦察车的运动学模型。本文将自行车运动模型和深度Q网络相结合,通过端到端的方式生成无人车的运动轨迹。针对深度Q网络学习速度慢,泛化能力差的问题,本文根据神经网络的训练特点提出了基于经验分类的深度Q网络,并提出了具有一定泛化能力的状态空间。仿真实验结果表明,相较于传统路径规划算法,本文算法规划出的路径更符合无人车的运动轨迹并提升无人车的学习效率和泛化能力。