刘浚嘉,付 庄,谢荣理,张 俊,费 健

(1.上海交通大学机械系统与振动国家重点实验室，上海200240；2.上海交通大学医学院附属瑞金医院，上海 200025)

0 引言

经过机械、电子、控制、计算机等领域长达数十年的发展，机器人在服务行业的应用逐渐兴起。与工业界中的情况类似，日渐高昂的人工成本以及老龄化等社会问题，极大地增加了人们研究与开发服务机器人的热情。服务机器人相较于较成熟的工业机器人，具有多任务、非结构环境和安全可靠等复杂要求[1]。尽管基于现有技术设计的服务机器人还远不能满足人们对美好生活的向往，但已经引领了社会与人类生活的新潮流。

要想使服务机器人走进家庭，就要使其具备主动完成人类指定任务的能力。在现有技术支撑的前提下，一个可行的任务就是在复杂房屋中高效地到达人类指定的目标位置。高效准确的主动目标导航是一切服务的基础，因此，人们对移动服务机器人的自主导航能力有更高的要求。移动服务机器人需要能够根据周围环境的变化采取相应的措施来提高移动机器人的避障、导航能力。此外，考虑到成本因素，应仅使用RGB-D传感器完成上述要求[2]。因此，研究者们逐渐对将强化学习算法与机器人导航方法相结合产生兴趣，旨在以学习的方式使机器人能够通过与真实环境交互，自主探索并学习得到完成任务的最佳策略。

1 数据高效强化学习算法

深度强化学习(deep reinforcement learning,DRL)在游戏与棋类任务中的成功，是建立在使用大量数据对大型神经网络进行训练之上的，也就是使Model-based RL(MBRL)算法也具有这一特性。……