用于地面移动机器人低维感知无地图导航的双重深度强化学习技术
机器人学
2023-01-27 v1 人工智能
摘要
在这项工作中，我们提出两种深度强化学习（Deep-RL）方法来改进地面移动机器人的无地图导航问题。我们的方法侧重于将基于深度Q网络（DQN）算法的深度强化学习技术与基于双重深度Q网络（DDQN）算法的第二种技术进行比较。我们使用24个激光测量样本以及智能体相对于目标的位置和角度作为智能体的信息，这些信息为机器人提供速度形式的动作。通过使用低维感知学习结构，我们表明可以训练智能体执行导航相关任务和避障，而无需使用复杂的感知信息。所提出的方法成功应用于三种不同的模拟环境中。总体而言，与简单Q结构相比，双重深度结构进一步改进了移动机器人的导航问题。
引用
@article{arxiv.2301.11173,
title = {Double Deep Reinforcement Learning Techniques for Low Dimensional Sensing Mapless Navigation of Terrestrial Mobile Robots},
author = {Linda Dotto de Moraes and Victor Augusto Kich and Alisson Henrique Kolling and Jair Augusto Bottega and Raul Steinmetz and Emerson Cassiano da Silva and Ricardo Bedin Grando and Anselmo Rafael Cuckla and Daniel Fernando Tello Gamarra},
journal= {arXiv preprint arXiv:2301.11173},
year = {2023}
}