利用先验知识的强化学习用于机器人时间最优路径跟踪

时间最优路径跟踪作为工业机器人的一项重要工具，已引起众多研究者的关注。在大多数时间最优路径跟踪问题中，执行器转矩约束被假设为保守的，忽略了电机特性；即执行器转矩约束是速度相关的，且转矩与速度之间呈分段线性关系。然而，考虑到电机特性增加了求解难度，本研究提出一种利用先验知识的改进Q-learning算法用于机器人时间最优路径跟踪。在考虑Q-learning算法局限性的基础上，提出一种改进的动作值函数以提高收敛速度。所提算法利用奖惩思想，对满足约束条件的动作给予奖励，对违反约束条件的动作进行惩罚，最终获得满足约束条件的时间最优轨迹。通过实验验证了算法的有效性。