基于深度 Q 学习的自主仓储机器人
机器人学
2022-02-22 v1 人工智能
机器学习
摘要
在仓库中，专用智能体需要在仓库环境中导航、避障并最大化空间利用。由于这些环境具有不可预测性，可应用强化学习方法来完成这些任务。本文中，我们提出使用深度强化学习（DRL）来解决机器人导航与避障问题，并使用略有改动的传统 Q-learning 来最大化产品放置的空间利用。我们首先研究单机器人情形下的该问题。接着，在单机器人模型基础上，将系统扩展至多机器人情形。我们使用 Q 表的策略性变体来执行多智能体 Q-learning。我们在二维仿真环境中成功测试了模型在单机器人与多机器人情形下的性能。
引用
@article{arxiv.2202.10019,
title = {Autonomous Warehouse Robot using Deep Q-Learning},
author = {Ismot Sadik Peyas and Zahid Hasan and Md. Rafat Rahman Tushar and Al Musabbir and Raisa Mehjabin Azni and Shahnewaz Siddique},
journal= {arXiv preprint arXiv:2202.10019},
year = {2022}
}
备注
TENCON 2021