深度强化运动规划中机器人导航的预判策略
机器人学
2022-10-18 v1 机器学习
摘要
机器人在动态城市环境中的导航，需要精细的预判策略以避开自行车或行人等动态物体碰撞，并具备人因感知能力。我们开发并分析了运动规划中的三种预判策略，考虑了速度可达 18 km/h 的移动物体的未来运动。首先，我们使用了由深度确定性策略梯度（DDPG）训练与社会力模型（SFM）得到的混合策略，并在含众多行人的四种复杂地图场景的仿真中进行了测试。其次，我们在真实实验中采用这些预判策略，结合混合运动规划方法与采用动态窗口法（DWA）的 ROS 导航栈（NS-DWA）。仿真与真实实验结果表明，在开阔环境及含狭窄空间的混合场景中均取得非常好的效果。
引用
@article{arxiv.2210.08280,
title = {Robot Navigation Anticipative Strategies in Deep Reinforcement Motion Planning},
author = {Óscar Gil and Alberto Sanfeliu},
journal= {arXiv preprint arXiv:2210.08280},
year = {2022}
}
备注
This is a preprint. This paper has been accepted to the fifth Iberian Robotics Conference (Robot 2022)