基于增量强化学习的六足机器人动态避障
邓归洲1
傅汇乔2
王鑫鹏1
唐开强2
留沧海1
1.西南科技大学制造科学与工程学院机械工程系 绵阳 621000;制造过程测试技术省部共建教育部重点实验室 绵阳 6210002.南京大学工程管理学院控制与系统工程系 南京 210093
摘要：深度强化学习能让六足机器人在复杂环境下通过训练得到一个最优避障策略,从而完成避障任务.然而,在环境中的障碍物发生变化后,通常需要花费大量的时间对六足机器人的避障策略重新进行训练.因此,六足机器人的动态避障仍是一个具有挑战性的任务.论文基于增量强化学习方法搭建了六足机器人的动态避障模型来实现六足机器人的动态避障.首先,通过策略松弛机制对已学到的避障策略进行松弛,避免策略陷入局部最优.其次,通过重要性加权机制给有效的状态赋予更高权重用于更新避障策略,从而加速避障策略的训练过程.所有的实验结果表明,论文提出的六足机器人动态避障模型相对于基线方法在障碍物发生变化后能更高效地完成六足机器人的避障策略调整.
关键词：六足机器人动态避障深度强化学习增量强化学习
分类号：TP242.6(自动化技术及设备)
资助基金：国家自然科学基金(62073160)国家重点研发计划(72018AAA0101100)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：8( 3305-3312 )
英文信息