典型文献
好奇心驱动的深度强化学习机器人路径规划算法
文献摘要：
针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究.将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证.实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明所提出算法决策控制效果更优越.在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点.
文献关键词：
深度强化学习;机器人路径规划;深度确定性策略梯度;好奇心驱动算法
中图分类号：
作者姓名：
张永梅;赵家瑞;吴爱燕
作者机构：
北方工业大学信息学院,北京100144
文献出处：
引用格式：
[1]张永梅;赵家瑞;吴爱燕-.好奇心驱动的深度强化学习机器人路径规划算法)[J].科学技术与工程,2022(25):11075-11083
A类：
好奇心驱动算法
B类：
学习机,机器人路径规划,路径规划算法,深度强化学习算法,算法实现,随机性,深度确定性策略梯度算法,连续型,端到端,端机,划进,感知信息,线速度,角速度,控制量,Gazebo,仿真平台,离散型,学习网络,算法决策,决策控制,更优越,真实环境,标点
AB值：
0.244547
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
