基于数字孪生感知意识的自主地面车辆导航双延迟深度确定性策略梯度算法

自主地面车辆（UGV）导航有潜力通过增加残障人士的可达性、确保安全性和使用便利性来革新交通系统。然而，UGV需要广泛且高效的测试与评估以确保其被公众接受。这些测试大多在模拟器中进行，导致仿真到现实（sim2real）的迁移差距。本文提出一种数字孪生感知意识方法，用于在无需预先创建虚拟环境（VT）状态的情况下控制机器人导航。为实现这一目标，我们开发了一种双延迟深度确定性策略梯度（TD3）算法，确保碰撞避免和基于目标的路径规划。我们在不同环境动力学下展示了方法的性能。结果表明，我们的方法能够利用安装在机器人上的激光雷达（LIDAR）传感器接收的信息，有效避免与障碍物碰撞并导航至期望目的地，同时安全避开障碍物。我们的方法弥合了仿真到现实的迁移差距，有助于UGV在真实世界中的采用。我们在仿真和办公室空间的真实世界应用中验证了该方法。