基于强化学习的信息化路径规划策略自适应选择

在我们之前的工作中，我们设计了一种系统性策略，利用高斯过程回归（GPR）的预测不确定性作为路径规划中部署机器人的“吸引力”，对采样位置进行优先级排序，从而显著提高了空间插值的精度。尽管与旅行商问题（TSP）求解器的结合也被证明能产生较短的行驶距离，我们在此假设若干因素也可能降低整体预测精度，因为次优位置最终可能被纳入其路径中。为解决该问题，本文首先探索“局部规划”方法，采用不同的空间范围对下一采样位置进行优先级排序，以研究其对预测性能及所产生的行驶距离的影响。此外，我们训练了基于强化学习（RL）的高层控制器，以自适应地从一组特定局部规划器中生成混合规划，从而根据最新预测状态继承该选择各自的独特优势。我们在温度监测机器人用例上的实验表明，规划器的动态混合不仅能生成单一规划器无法生成的复杂、信息化规划，还能在无需额外最短路径计算模块辅助的情况下，以不牺牲预测可靠性为代价显著减少行驶距离。