基于自助强化学习的河流鲁棒路径跟踪
机器学习
2023-04-04 v1 人工智能
机器人学
摘要
本文开发了一种深度强化学习（DRL）智能体，用于内河航道中自主水面艇（ASV）的导航与控制。由于航道几何带来的空间限制以及由此产生的挑战（如高流速或浅滩），要求对ASV进行受控且精确的运动。一种最先进的自助Q-learning算法与通用的训练环境生成器相结合，产生了鲁棒且精确的舵控制器。为验证我们的结果，我们将所提方法的路径跟踪能力与针对特定船舶的PID控制器在来自莱茵河中下游的真实河流数据上进行比较，表明DRL算法即使在未见过的场景中也能有效证明泛化能力，同时达到高导航精度。
引用
@article{arxiv.2303.15178,
title = {Robust Path Following on Rivers Using Bootstrapped Reinforcement Learning},
author = {Niklas Paulig and Ostap Okhrin},
journal= {arXiv preprint arXiv:2303.15178},
year = {2023}
}