混合空水航行器通过环境泛化与深度强化学习实现无地图导航
机器人学
2022-09-15 v1 人工智能
摘要
先前工作表明，Deep-RL 可用于执行无地图导航，包括混合无人空水航行器（HUAUVs）的介质过渡。本文提出基于最先进 actor-critic 算法的新方法，以解决 HUAUV 的导航与介质过渡问题。我们表明，带有循环神经网络的双评论家 Deep-RL 仅利用距离数据与相对定位便改善了 HUAUV 的导航性能。我们的 Deep-RL 方法实现了更好的导航与过渡能力，并通过不同模拟场景对学习进行了稳健的泛化，优于先前方法。
引用
@article{arxiv.2209.06332,
title = {Mapless Navigation of a Hybrid Aerial Underwater Vehicle with Deep Reinforcement Learning Through Environmental Generalization},
author = {Ricardo B. Grando and Junior C. de Jesus and Victor A. Kich and Alisson H. Kolling and Rodrigo S. Guerra and Paulo L. J. Drews-Jr},
journal= {arXiv preprint arXiv:2209.06332},
year = {2022}
}
备注
Paper accepted to the Latin American Robotics Symposium 2022