基于层次结构的强化学习自适应规划参数调优
机器人学
2025-03-25 v1
摘要
规划算法的自动参数调优方法被视为具有稳定性和处理高度受限环境能力的有前景的方法。尽管现有参数调优方法已取得显著成功，但进一步的性能提升需要更结构化的ethods。在本文中，我们提出一种基于强化学习的参数调优的层次架构。该架构引入低频率参数调优、中频率规划和高频率控制的层次结构，使通过迭代训练实现对上层参数调优和下层控制的并行提升。实验在模拟和真实环境中均表明，我们的方法优于现有的调优方法。此外，我们的方法在基准自动机器人导航挑战（BARN）中获得了第一名成绩。
引用
@article{arxiv.2503.18366,
title = {Reinforcement Learning for Adaptive Planner Parameter Tuning: A Perspective on Hierarchical Architecture},
author = {Lu Wangtao and Wei Yufei and Xu Jiadong and Jia Wenhao and Li Liang and Xiong Rong and Wang Yue},
journal= {arXiv preprint arXiv:2503.18366},
year = {2025}
}