基于改進DQN的移動機器人避障路徑規(guī)劃

摘要： 針對一般強化學習方法下機器人在避障路徑規(guī)劃上學習時間長、探索能力差和獎勵稀疏等問題，提出了一種基于改進深度Q網(wǎng)絡（DQN）的移動機器人避障路徑規(guī)劃。首先在傳統(tǒng)DQN算法基礎上設計了障礙學習規(guī)則，避免對同一障礙重復學習，提升學習效率和成功率。其次提出獎勵優(yōu)化方法，利用狀態(tài)間的訪問次數(shù)差異給予獎勵，平衡狀態(tài)點的訪問次數(shù)，避免過度訪問；同時通過計算與目標點的歐氏距離，使其偏向于選擇接...