基于强化学习的机场服务机器人动态路径规划
2021-05-13李志龙张建伟
现代计算机 2021年8期
李志龙,张建伟
(四川大学视觉合成图形图像技术国防重点学科实验室,成都610065)
0 引言
现阶段国内民航事业迈入了飞速发展的阶段,机场客流量数量也同时呈现飞速的增长。在机场旅客客流量不断增多的同时,机场行李所需的运输量也随之大幅的增长,故而机场需要雇佣更多的人工来进行机场行李的搬运装卸等工作。但是伴随着工作量的增大,行李的安全问题难以得到保障。而目前国外某机场所应用的服务机器人很好的克服了这个问题,一方面削减了人工开支,另一方面繁重的工作量并不会对行李的搬运产生影响,但是在机场中服务机器人的行驶轨迹会存在一个不确定性,且地勤人员、行李运输车等都可能会与服务机器人产生碰撞的问题,故而需要对服务机器人进行合理的路径规划。
1 问题描述
研究服务机器人实时躲避障碍问题的难点分别为复杂性、随机性、约束性和条件性等。现阶段应用较多的方法为基于随机采样的路径规划算法。例如YTing等人[1]提出了一种改进的基于RRT 的平滑RRT 方法,此算法通过设立一个最大的曲率约束来防止遇到占该物体时可以获得平滑的曲线,通过论文中的仿真实验显示,此算法比传统的基于RRT 方法拥有更快的收敛速度。AlvesNetoA 等人[2]讨论了基于PRM 方法的概率基础,结论为其中部份的先验知识能够加快算法自身的收敛速度。但是此类中基于概率的路径规划方常常很难确保每次运行期间都可以实现对期望轨迹的高精度跟踪。……
登录APP查看全文
