共 1 条
多障碍环境中基于增强式学习的势场优化和机器人路径规划
被引：7
作者：
庄晓东
孟庆春
王汉萍
殷波
机构：
[1] 青岛海洋大学电子工程系
来源：
关键词：
增强式学习;
移动机器人;
多障碍环境;
人工势场;
路径规划;
D O I：
10.16441/j.cnki.hdxb.2001.06.022
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
该文把增强式学习方法应用于多障碍环境中机器人路径规划 ,并将增强式学习和路径规划相结合 ,通过工作空间势场的自适应优化学习 ,实现机器人的全局路径规划 ,即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比 ,该方法避免了势场中局部极小点所引起的陷阱区域 ,并且所得到的路径具有最优特性。计算机仿真实验结果表明 ,这种学习方法能有效的解决多障碍环境中的机器人路径规划问题
引用
收藏
页码：937 / 942
页数：6
相关论文