基于深度强化学习的仓库环境机器人障碍物规避
机器人学
2024-09-24 v1 人工智能
摘要
目前在大多数仓库环境中，货物堆积复杂，管理人员同时控制货物和仓库移动机器人轨迹，传统移动机器人难以对货物和行人提供正确的障碍规避策略。为在仓库环境中高效且友好的方式完成障碍规避任务，本文提出一种基于仓库环境的深度强化学习移动机器人障碍规避算法。首先，针对深度强化学习算法中价值函数网络学习能力不足的问题，改进了基于行人互动的价值函数网络，通过行人角度网格提取行人之间的互动信息，并通过注意力机制提取单个行人的时序特征，从而学习到当前状态和历史轨迹状态以及对机器人障碚规避策略的相对重要性，为后续多层感知机器人的学习提供了机会。其次，基于行人的空间行为设计奖励函数，对角度变化过大的状态进行惩罚，以实现舒适的障碍规避要求。最后，通过仿真实验验证了基于深度强化学习的移动机器人障碚规避算法在仓库复杂环境下的可行性和有效性。
引用
@article{arxiv.2409.14972,
title = {Deep Reinforcement Learning-based Obstacle Avoidance for Robot Movement in Warehouse Environments},
author = {Keqin Li and Jiajing Chen and Denzhi Yu and Tao Dajun and Xinyu Qiu and Lian Jieting and Sun Baiwei and Zhang Shengyuan and Zhenyu Wan and Ran Ji and Bo Hong and Fanghao Ni},
journal= {arXiv preprint arXiv:2409.14972},
year = {2024}
}