移动机器人导航与对抗控制的强化学习方法研究
蒋坤1
操菁瑜1
柳文章2
孙长银3
董璐4
1.东南大学自动化学院,江苏南京 2100962.安徽大学人工智能学院,安徽 合肥 2306013.东南大学自动化学院,江苏南京 210096;自主无人系统技术教育部工程研究中心,安徽 合肥 230601;安徽省无人系统与智能技术工程研究中心,安徽 合肥 2306014.东南大学网络空间安全学院,江苏南京 211189
摘要：传统机器人导航和决策方法过度依赖于高精度地图的构建,且难以适应动态复杂的应用场景.此外,现有基于机器学习算法的导航和控制方法在真实系统中存在着泛化和迁移能力不理想的缺陷.针对上述问题,本文提出了一种基于多模信息融合和强化学习框架的移动机器人导航和实时对抗方法.首先,利用不同类型的信息预处理模块对机器人采集到的RGB图像、激光雷达数据和其他向量信息进行预处理并融合,实现了机器人对环境的全面感知.然后,基于动作网络直接输出机器人运动控制指令,完成了无模型情况下对机器人端到端的控制.进一步的,在仿真系统中充分考虑现实环境中的噪声和动态因素,利用迁移到实体机器人上的测试数据对模型进行微调和修正.最后,在仿真环境和真实搭建的环境中开展不同难度导航和实时对抗任务的实验,验证了所提出的基于强化学习的机器人导航和实时对抗策略的有效性.
关键词：强化学习移动机器人导航避障对抗策略
论文发表日期：2025-09-30
在线出版日期：2025-10-28（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1757-1765 )
英文信息