移动机器人运动规划方法综述：从经典运动规划流程到基于强化学习的架构
机器人学
2022-02-24 v4
摘要
运动规划对于实现移动机器人的自主运行至关重要。随着机器人应用场景复杂性和随机性的增加，经典分层运动规划器的规划能力面临挑战。随着机器学习的发展，基于深度强化学习（DRL）的运动规划器因其若干优势特征逐渐成为研究热点。基于 DRL 的运动规划器是无模型的，且不依赖于先验结构化地图。最重要的是，基于 DRL 的运动规划器实现了全局规划器与局部规划器的统一。在本文中，我们对各类运动规划方法进行了系统性综述。首先，我们总结了经典运动规划架构各子模块的代表性前沿工作并分析其性能特征。随后，我们重点总结基于 RL 的运动规划方法，包括结合 RL 改进的规划器、无地图基于 RL 的规划器以及多机器人协同规划方法。最后，我们详细分析了这些主流基于 RL 的运动规划器面临的紧迫挑战，回顾了针对这些问题的一些前沿工作，并对未来研究提出建议。
引用
@article{arxiv.2108.13619,
title = {A review of mobile robot motion planning methods: from classical motion planning workflows to reinforcement learning-based architectures},
author = {Lu Dong and Zichen He and Chunwei Song and Changyin Sun},
journal= {arXiv preprint arXiv:2108.13619},
year = {2022}
}