树莓派上用于路径规划的强化学习算法的实用实现

本文审视了一种利用强化学习算法进行路径规划与避碰的室内自主配送系统的实用实现。所提系统为一种高性价比方案,在一台树莓派控制的四驱非完整机器人上实现以绘制栅格地图。该方法计算并导航从源关键点到目标关键点的短路经,以完成所需配送。Q learning与Deep-Q learning用于寻找最优路径,同时避免与静态障碍物碰撞。本工作定义了在机器人上部署这两种算法的途径,并提出了一种将方向数组解码为特定动作空间中精确运动的新算法。文中描述了按上述需求部署该系统的流程,从而呈现我们在室内自主配送车上的概念验证。