基于强化学习的 LiDAR 移动机器人导航
机器人学
2021-12-08 v2 系统与控制
系统与控制
摘要
本文提出一种结合深度 Q 网络（DQN）与门控循环单元（GRU）的移动机器人导航技术。集成 GRU 的 DQN 允许动作跳过，从而提升导航性能。该技术旨在实现移动机器人（如自主泊车机器人）的高效导航。强化学习框架可应用于真实环境中结合 GRU 的 DQN，该环境可由部分可观测马尔可夫决策过程（POMDP）建模。通过允许动作跳过，结合 GRU 的 DQN 学习关键动作的能力得以提升。所提算法通过 ROS-Gazebo 仿真器应用于真实环境中方案可行性的探究，仿真结果表明，与单独 DQN 及不允许动作跳过的 DQN+GRU 相比，所提算法在导航与避障方面取得了更优性能。
引用
@article{arxiv.2112.02954,
title = {Reinforcement Learning for Navigation of Mobile Robot with LiDAR},
author = {Inhwan Kim and Sarvar Hussain Nengroo and Dongsoo Har},
journal= {arXiv preprint arXiv:2112.02954},
year = {2021}
}
备注
7 pages, 7 figures, Accepted by "5th International Conference on Electronics, Communication and Aerospace Technology (ICECA 2021)"