设计应用

基于深度强化学习和社会力模型的移动机器人自主避障

作者：李恒，刘轻尘，马麒超
发布日期：2023-04-07
来源：网络安全与数据治理 2023年3期

0    引言

自主避障是移动机器人应用中的基础技术，其可以确保机器人在机场和购物中心等人流拥挤场景中实现安全导航。人类有观察他人以调整自身行为的能力，因此可以轻松穿过人群。然而，在高度动态和拥挤的场景中进行自主避障仍然是移动机器人的一项艰巨任务。传统导航框架中的避碰模块通常将动态障碍物视为静态，例如动态窗口方法（DWA），或者仅根据某些交互规则关注下一步行动，例如互惠速度障碍（RVO）和最优互惠碰撞避免（ORCA）。由于这些方法仅通过被动反应防止碰撞，并且通常使用人为定义的函数以保证安全，因此会导致机器人的运动不自然、短视和不安全。相比之下，强化学习导航技术可以通过不断地探索和学习增强机器人的感知能力，从而实现更有力的决策。




本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005258




作者信息：

李恒，刘轻尘，马麒超

（中国科学技术大学信息科学技术学院，安徽合肥230026）


微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
深度强化学习 社会力模型 自主避障

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2