APP下载

基于Q学习算法的机场道面移动机器人路径规划研究

2019-10-21王淑玲卓丽

科学与财富 2019年35期
关键词:移动机器人

王淑玲 卓丽

摘 要:路径规划是移动机器人研究领域的热点问题。针对不同的规划需求,已经提出许多种路径规划的算法。本文考虑机场飞行场地环境,应用Q学习算法规划出点到点的静态安全避障路径。为进一步优化上述规划结果,提出了一种改进Q学习算法的方法,通过比较改进前后的路径规划结果,验证了改进方法的有效性。研究成果不仅给出该机场飞行场地环境中静态路径规划的方法,也为相关移动机器人的研发提供了理论依据。

关键词:移动机器人;Q学习算法;飞行场地;路径规划

1.引言

路径规划是移动机器人研究领域的热点问题,在很多方面都有应用,如无人机的避障飞行,巡航导弹躲避雷达搜索,GPS导航等,是完成复杂导航及其他任务的前提。路径规划可以描述为:移动机器人依据某些优化原则在运动空间中找到一条从起始状态到目标状态、可以避开障碍物的最优或接近最优的路径。起初,移动机器人路径规划技术主要集中在静态全局路径规划的研究,提出的算法包括栅格法、Dijkstra算法、A*算法等。后来,研究人员将重心倾向于局部路径规划上,而局部路径规划主要解决动态情况下完全未知或者局部未知工作环境的路径规划问题,这对路径规划算法的实时性有了更高的要求,已提出的算法包括人工势场法、遗传算法、蚁群算法等[1-7]。近年来,基于强化学习的路径规划在移动机器人的导航研究中变得越来越重要,成为国内外研究的热点[8-11]。……

登录APP查看全文

猜你喜欢

移动机器人
移动机器人自主动态避障方法
移动机器人VSLAM和VISLAM技术综述
基于改进强化学习的移动机器人路径规划方法
基于ROS与深度学习的移动机器人目标识别系统
基于Twincat的移动机器人制孔系统
室内环境下移动机器人三维视觉SLAM
简述轮式移动机器人控制系统中的传感器
增强D*Lite在自主移动机器人安全路径规划中应用
室外移动机器人自主充电系统研究