IPAPRec：一种利用深度强化学习习得高性能无地图导航技能的有前景工具
机器人学
2022-06-28 v3 人工智能
摘要
本文研究如何提升用深度强化学习（DRL）训练的导航智能体的泛化性能与学习速度。尽管DRL在机器人无地图导航中展现出巨大潜力，在训练场景中表现良好的DRL智能体常被发现于陌生场景中表现不佳。本工作中，我们提出激光雷达读数的表示是智能体性能退化的关键因素，并给出一种强大的输入预处理（IP）方法来解决该问题。由于该方法使用自适应参数化倒数函数预处理激光雷达读数，我们称此方法为IPAPRec，其归一化版本为IPAPRecN。IPAPRec/IPAPRecN能突出激光扫描中重要的近距离值并压缩次要远距离值的范围，从而很好地解决传统激光扫描表示所引起的问题。其高性能通过广泛的仿真与真实世界实验得到验证。结果表明，与传统方法相比，我们的方法能大幅提升导航智能体的泛化性能并极大减少训练时间。
引用
@article{arxiv.2103.11686,
title = {IPAPRec: A promising tool for learning high-performance mapless navigation skills with deep reinforcement learning},
author = {Wei Zhang and Yunfeng Zhang and Ning Liu and Kai Ren and Pengfei Wang},
journal= {arXiv preprint arXiv:2103.11686},
year = {2022}
}
备注
This article has been accepted for publication in IEEE/ASME Transactions on Mechatronics. This is the author's version which has not been fully edited and content may change prior to final publication