移动机器人路径规划强化学习的初始化
宋勇1
李贻斌2
李彩虹3
1.山东大学控制科学与工程学院,山东济南250061;山东大学(威海)机电与信息工程学院,山东威海2642092.山东大学控制科学与工程学院,山东济南,2500613.山东理工大学计算机科学与技术学院,山东淄博,255012
摘要：针对现有机器人路径规划强化学习算法收敛速度慢的问题,提出了一种基于人工势能场的移动机器人强化学习初始化方法.将机器人工作环境虚拟化为一个人工势能场,利用先验知识确定场中每点的势能值,它代表最优策略可获得的最大累积回报.例如障碍物区域势能值为零,目标点的势能值为全局最大.然后定义Q初始值为当前点的立即回报加上后继点的最大折算累积回报.改进算法通过Q值初始化,使得学习过程收敛速度更快,收敛过程更稳定.最后利用机器人在栅格地图中的路径对所提出的改进算法进行验证,结果表明该方法提高了初始阶段的学习效率,改善了算法性能.
关键词：移动机器人强化学习人工势能场路径规划Q值初始化
分类号：TP242(自动化技术及设备)
资助基金：国家自然科学基金(61075091,61174054)国家自然科学基金(61105100)
论文发表日期：2012-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1623-1628 )
英文信息