基于分布式强化学习的自主表面车辆集成决策与控制
机器人学
2024-12-13 v1
摘要
近年来, 随着对自主表面车辆（ASV）需求的增长, 预计在可见的未来不久, 部署用于各种海洋任务的 ASV 数量将迅速增加。然而, 在充满障碍物和拥挤的水域中, 由于感知误差、车辆紧密聚集以及靠近灯塔的受限机动空间, ASV 进行基于传感器的自主导航仍然具有挑战性, 这可能导致难以遵守《国际海上碰撞避免规则》（COLREGs）。为此, 我们提出一种新型基于分布式强化学习的导航系统, 可与 onboard LiDAR 和 odometry 传感器配合, 在连续动作空间中生成任意推力命令。对所提出系统在高保真 Gazebo 模拟环境中的全面评估表明, 该系统可根据遇到的情景决定是否遵守 COLREGs 或采取其他有益行动, 在导航安全性和效率方面优于使用最先进的分布式强化学习、非分布式强化学习和经典方法的系统。
引用
@article{arxiv.2412.09466,
title = {Distributional Reinforcement Learning based Integrated Decision Making and Control for Autonomous Surface Vehicles},
author = {Xi Lin and Paul Szenher and Yewei Huang and Brendan Englot},
journal= {arXiv preprint arXiv:2412.09466},
year = {2024}
}
备注
IEEE Robotics and Automation Letters (RA-L)