基于强化学习路径生成与微调运动控制的机器人导航
机器人学
2022-10-20 v1 人工智能
摘要
本文提出一种新颖的、基于强化学习（RL）的路径生成（RL-PG）方法，用于移动机器人在未知环境中无需先验探索的导航。由经RL方法优化的深度马尔可夫模型动态生成多个预测路径点供机器人跟踪。为保障跟踪预测点时的安全性，机器人的运动由运动微调模块进行微调。该方法利用带RL算法的深度马尔可夫模型进行规划，聚焦于相邻路径点之间的关系。我们分析了所提方法的优势：相比基于RL的方法DWA-RL与传统导航方法APF，其更有效且成功率更高。我们将模型部署于仿真与实体平台，并证明模型能高效、安全地完成机器人导航。
引用
@article{arxiv.2210.10639,
title = {Robot Navigation with Reinforcement Learned Path Generation and Fine-Tuned Motion Control},
author = {Longyuan Zhang and Ziyue Hou and Ji Wang and Ziang Liu and Wei Li},
journal= {arXiv preprint arXiv:2210.10639},
year = {2022}
}