基于强化学习的机器人路径规划研究

Wang Ruiqi

基于强化学习的机器人路径规划研究

机器人学 2024-04-24 v1 计算机视觉与模式识别

作者: Wang Ruiqi

摘要

本项目对基于视觉 SLAM 的机器人路径规划进行了研究。本项目的主要工作如下：(1) 视觉 SLAM 系统的构建。研究了视觉 SLAM 的基本架构。基于 ORB-SLAM3 系统开发了一个视觉 SLAM 系统，能够进行稠密点云建图。(2) 通过地图转换获得适用于二维路径规划的地图。该部分将视觉 SLAM 系统获得的稠密点云地图转换为八叉树地图，然后进行投影变换得到栅格地图。地图转换将包含大量冗余地图信息的稠密点云地图转换为极其轻量、适用于路径规划的栅格地图。(3) 基于强化学习的路径规划算法研究。本项目对 Q-learning 算法、DQN 算法和 SARSA 算法进行了实验比较，发现 DQN 是在高维复杂环境中收敛最快、性能最好的算法。本项目在仿真环境中对视觉 SLAM 系统进行了实验验证。基于开源数据集和自制数据集获得的实验结果证明了所设计的视觉 SLAM 系统的可行性和有效性。同时，本项目还在相同实验条件下对三种强化学习算法进行了对比实验，以获得该实验条件下的最优算法。

关键词

机器人路径规划视觉 SLAM 强化学习 Q-learning DQN SARSA 栅格地图

引用

@article{arxiv.2404.14077,
  title  = {Research on Robot Path Planning Based on Reinforcement Learning},
  author = {Wang Ruiqi},
  journal= {arXiv preprint arXiv:2404.14077},
  year   = {2024}
}

备注

My undergrad final year project report, 44 pages and 15 figures

基于强化学习的机器人路径规划研究

摘要

关键词

引用

备注

相关论文