基于深度强化学习的崎岖地形车辆控制
机器人学
2021-07-06 v1 人工智能
摘要
我们探索了在人类操作员与传统控制方法不足的场景下,利用深度强化学习控制地形车辆的潜力。本通讯提出一种控制器,其可感知、规划并成功控制一台具有两个车架铰接关节、六个车轮及其主动铰接悬架的 16 吨林业车辆穿越崎岖地形。精心设计的奖励信号促进了安全、环保与高效的驾驶,并导致前所未有驾驶技能的出现。我们在虚拟环境中测试所学技能,包括由森林场地高密度激光扫描重建的地形。该控制器展现出处理障碍、高达 27 的斜坡及多种自然地形的能力,且均以有限的车轮打滑、平滑且直立的通过方式,并智能利用主动悬架。结果证实,相较于人类操作员或传统控制方法,深度强化学习在复杂动力学与高维观测数据车辆的控制方面具有增强潜力,尤其在崎岖地形中。
引用
@article{arxiv.2107.01867,
title = {Control of rough terrain vehicles using deep reinforcement learning},
author = {Viktor Wiberg and Erik Wallin and Martin Servin and Tomas Nordfjell},
journal= {arXiv preprint arXiv:2107.01867},
year = {2021}
}
备注
16 pages, 13 figures