面向双阿卡曼姆转向机器人的安全机动：基于软演员-评论家框架
机器人学
2025-10-15 v2 人工智能
摘要
我们提出了一个基于软演员-评论家（SAC）的深度强化学习框架，用于双阿卡曼姆转向移动机器人（DASMRs）的安全精确机动。与 holonomic 或更简单非holonomic机器人（如差分驱动机器人）不同，DASMRs面临强大的运动约束，在拥挤环境中使经典规划器不够稳健。我们的框架利用Hindsight Experience Replay（HER）和CrossQ覆盖层，以鼓励机动效率同时避免障碍物。四轮转向巡视器的仿真结果表明，学习到的策略能够稳健地将目标位置达到最高97%，同时避免障碍物。我们的框架不依赖手工制作的轨迹或专家演示。
引用
@article{arxiv.2510.10332,
title = {Towards Safe Maneuvering of Double-Ackermann-Steering Robots with a Soft Actor-Critic Framework},
author = {Kohio Deflesselle and Mélodie Daniel and Aly Magassouba and Miguel Aranda and Olivier Ly},
journal= {arXiv preprint arXiv:2510.10332},
year = {2025}
}
备注
4 pages, 3 figures, 2 tables, Accepted for Safety of Intelligent and Autonomous Vehicles: Formal Methods vs. Machine Learning approaches for reliable navigation (SIAV-FM2L) an IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025) workshop