基于深度強化學習和社會力模型的移動機器人自主避障
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>1912 K
標簽： 深度強化學習 社會力模型 自主避障
所需積分：0分積分不夠怎么辦？
文檔介紹：深度強化學習在移動機器人自主避障領域已得到廣泛應用，其基本原理是通過模擬環(huán)境中的不斷試錯，結合獎勵機制提升機器人的避障性能。然而，針對不同任務場景，網(wǎng)絡訓練效率存在顯著差異。同時，在人群密集的場景中，機器人的行為可能對人類造成干擾。為了應對訓練效率低下和機器人行為不符合社會規(guī)范的問題，提出了一種將社會力模型融入深度強化學習的自主避障策略。該策略首先將人類未來的運動軌跡考慮進獎勵函數(shù)，以確保機器人理解人類意圖并避免闖入人類的舒適區(qū)。其次，在訓練過程中引入先驗的傳統(tǒng)控制器模型，并設計了一種基于概率的切換開關，以隨機切換控制器輸出，提高機器人的探索效率。實驗結果表明，所提出的方法能夠增加機器人與人類之間的安全距離，同時實現(xiàn)平穩(wěn)導航。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。