基于强化学习结合障碍物危险度的行人路径规划模型
机器学习
2020-04-24 v1 多智能体系统
机器人学
机器学习
摘要
大多数微观行人导航模型使用施加于行人智能体的“力”的概念来复现导航环境。尽管该方法在常规情形下可提供可信结果，但在许多典型环境中并不总是类似于自然行人导航行为。在我们的研究中，我们提出了一种使用强化学习来模拟行人智能体路径规划与碰撞规避问题的新方法。该方法的主要焦点是利用人对环境的感知及对干扰的危险意识。我们模型的实现表明，智能体规划的路径在遵循常见行走惯例与人类行为等若干方面与行人有许多相似之处。
引用
@article{arxiv.1912.02945,
title = {A pedestrian path-planning model in accordance with obstacle's danger with reinforcement learning},
author = {Thanh-Trung Trinh and Dinh-Minh Vu and Masaomi Kimura},
journal= {arXiv preprint arXiv:1912.02945},
year = {2020}
}