基于深度强化学习的无人水面艇符合 COLREGs 的避碰方法
机器人学
2020-06-18 v1 人工智能
机器学习
摘要
路径跟踪与碰撞避免，无论对于无人水面艇还是其他自主车辆，都是机器人学中的两个基本制导问题。数十年来，它们一直是学术研究的对象，产生了大量提出的方法。然而，它们大多被视为独立问题，并且通常依赖于只能通过实验确定的参数的非线性第一性原理模型。近年来深度强化学习（DRL）的兴起提出了一种替代方法：通过基于试错的方法从头端到端学习最优制导策略。在本文中，我们探索了近端策略优化（PPO）——一种在连续控制任务上展现出最先进性能的 DRL 算法——在控制欠驱动自主水面艇以符合 COLREGs 的方式、使其跟踪先验已知期望路径同时避免沿途与其他船只碰撞这一双目标问题上的潜力。基于来自挪威海支流特隆赫姆峡湾的高保真高程与 AIS 跟踪数据，我们在具有挑战性的动态真实场景中评估训练智能体的性能，其中智能体的最终成功取决于其导航非均匀海洋地形并处理具有挑战性但真实的船只相遇的能力。
引用
@article{arxiv.2006.09540,
title = {COLREG-Compliant Collision Avoidance for Unmanned Surface Vehicle using Deep Reinforcement Learning},
author = {Eivind Meyer and Amalie Heiberg and Adil Rasheed and Omer San},
journal= {arXiv preprint arXiv:2006.09540},
year = {2020}
}