基于深度强化学习的动态环境机器人导航：利用运动基元的占据值

本文提出了一种基于深度强化学习（Deep Reinforcement Learning）的导航方法，其中我们将占据观测定义为运动基元的启发式评估，而非使用原始传感器数据。我们的方法能够将多传感器融合生成的占据数据快速映射为 3D 工作空间中的轨迹值。计算高效的轨迹评估允许对动作空间进行密集采样。我们在不同的数据结构中利用占据观测，以分析它们对训练过程和导航性能的影响。我们在包含两个不同机器人的具有挑战性的基于物理的仿真环境（含静态与动态障碍物）中训练和测试了我们的方法。我们将我们的占据表示与现有最优方法中的其他常规数据结构进行了基准比较。训练得到的导航策略也在动态环境中的实体机器人上成功验证。结果表明，与其他占据表示相比，我们的方法不仅减少了所需训练时间，还提升了导航性能。我们工作的开源实现及所有相关信息可在 \url{https://github.com/RIVeR-Lab/tentabot} 获取。