基于增強(qiáng)學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃和運(yùn)動(dòng)規(guī)劃研究.pdf

1、路徑規(guī)劃(Path planning)與運(yùn)動(dòng)規(guī)劃(Motion planning)是移動(dòng)機(jī)器人實(shí)現(xiàn)自主導(dǎo)航與控制的關(guān)鍵技術(shù)。由于外部環(huán)境與機(jī)器人運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特性的復(fù)雜性，已有的路徑規(guī)劃和運(yùn)動(dòng)規(guī)劃方法還需要進(jìn)一步研究解決考慮移動(dòng)機(jī)器人動(dòng)力學(xué)特性的優(yōu)化問題。增強(qiáng)學(xué)習(xí)(Reinforcement learning)作為求解序貫優(yōu)化決策問題的高效機(jī)器學(xué)習(xí)方法，在移動(dòng)機(jī)器人路徑規(guī)劃和運(yùn)動(dòng)規(guī)劃問題中具有重要的應(yīng)用價(jià)值。利用增強(qiáng)學(xué)習(xí)在環(huán)境交互中的學(xué)

2、習(xí)優(yōu)化能力，可以為路徑規(guī)劃和運(yùn)動(dòng)規(guī)劃算法提供自適應(yīng)和自學(xué)習(xí)能力。
　　本研究主要內(nèi)容包括：⑴研究了基于A*算法和最小二乘策略迭代（Least Square Policy Iteration，LSPI）的分層全局路徑規(guī)劃算法。該算法將A*算法的全局搜索能力和采用LSPI的局部避障優(yōu)化控制策略相結(jié)合，可以改善算法輸出的路徑質(zhì)量。仿真結(jié)果驗(yàn)證了算法的有效性。⑵提出了基于自學(xué)習(xí) PD參數(shù)的移動(dòng)機(jī)器人運(yùn)動(dòng)規(guī)劃方法，分別設(shè)計(jì)實(shí)現(xiàn)了采用LSPI