智能机器人运动规划算法综述
机器人学
2021-02-08 v2 人工智能
摘要
我们调查并分析了典型运动规划算法的原理。这些包括传统规划算法、监督学习、最优值强化学习、策略梯度强化学习。我们调查的传统规划算法包括图搜索算法、基于采样的算法和插值曲线算法。监督学习算法包括MSVM、LSTM、MCTS和CNN。最优值强化学习算法包括Q学习、DQN、双重DQN、竞争DQN。策略梯度算法包括策略梯度方法、演员-评论家算法、A3C、A2C、DPG、DDPG、TRPO和PPO。还引入了新通用准则，通过解析比较评估运动规划算法的性能与应用。特别分析了最优值与策略梯度算法的收敛速度与稳定性。根据运动规划算法的原理与解析比较，以分析方式给出未来方向。本文为研究者提供了关于机器人中运动规划算法的优势、劣势、关系与未来的清晰而全面的理解，并为更好的运动规划算法铺平道路。
引用
@article{arxiv.2102.02376,
title = {A review of motion planning algorithms for intelligent robotics},
author = {Chengmin Zhou and Bingding Huang and Pasi Fränti},
journal= {arXiv preprint arXiv:2102.02376},
year = {2021}
}
备注
38 pages