基于強化學習的機器人底盤能量管理與路徑規(guī)劃優(yōu)化算法

摘要： 為解決溫室機器人底盤傳統(tǒng)路徑規(guī)劃中因忽略地面粗糙度而導(dǎo)致的電池壽命縮短與利用效率低下的問題，該研究探討了3種融合電池能量管理與路徑規(guī)劃的強化學習算法。首先，基于先驗知識構(gòu)建分級預(yù)打分獎勵模型，并通過增加曼哈頓距離構(gòu)建獎勵函數(shù)，提高電池壽命和利用率；其次，針對傳統(tǒng)Q-Learning(QL)算法收斂效率低、易陷入局部最優(yōu)等問題，提出了自適應(yīng)變步長的優(yōu)化算法（adaptive mu... （共9頁）