基于分布式强化学习的无人水面艇鲁棒导航
机器人学
2023-08-01 v1
摘要
无人水面艇（USV）在具有水流的海洋环境中自主导航具有挑战性，且先前极少有研究在无水流与障碍物先验知识的情况下解决此类环境中的基于传感器导航问题。我们提出了一种基于分布式强化学习（RL）的局部路径规划器，其学习捕获动作结果不确定性的回报分布，以及一种自动调节对环境风险敏感程度的自适应算法。所提规划器相比传统基于 RL 的规划器实现了更稳定的学习性能，并收敛到更安全的策略。计算实验表明，相较于传统基于 RL 的规划器以及人工势场（Artificial Potential Fields）与 Bug 算法等经典局部规划方法，所提规划器对环境流具有鲁棒性，且能规划出在安全性、时间与能耗方面更优的轨迹。
引用
@article{arxiv.2307.16240,
title = {Robust Unmanned Surface Vehicle Navigation with Distributional Reinforcement Learning},
author = {Xi Lin and John McConnell and Brendan Englot},
journal= {arXiv preprint arXiv:2307.16240},
year = {2023}
}
备注
The 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2023)