| 面向无人艇的T-DQN智能避障算法研究 |
| |
| 引用本文： | 周治国,余思雨,于家宝,段俊伟,陈龙,陈俊龙.面向无人艇的T-DQN智能避障算法研究[J].自动化学报,2023(8):1645-1655. |
| |
| 作者姓名： | 周治国 余思雨 于家宝 段俊伟 陈龙 陈俊龙 |
| |
| 作者单位： | 1. 北京理工大学信息与电子学院;2. 暨南大学信息科学技术学院;3. 澳门大学科技学院;4. 华南理工大学计算机科学与工程学院 |
| |
| 基金项目： | “十三五”装备预研领域基金(61403120109)；;暨南大学中央高校基本科研业务费专项资金(21619412)资助~~； |
| |
| 摘 要： | 无人艇(Unmanned surface vehicle, USV)作为一种具有广泛应用前景的无人系统,其自主决策能力尤为关键.由于水面运动环境较为开阔,传统避障决策算法难以在量化规则下自主规划最优路线,而一般强化学习方法在大范围复杂环境下难以快速收敛.针对这些问题,提出一种基于阈值的深度Q网络避障算法(Threshold deep Q network, T-DQN),在深度Q网络(Deep Q network, DQN)基础上增加长短期记忆网络(Long short-term memory, LSTM)来保存训练信息,并设定经验回放池阈值加速算法的收敛.通过在不同尺度的栅格环境中进行实验仿真,实验结果表明, T-DQN算法能快速地收敛到最优路径,其整体收敛步数相比Q-learning算法和DQN算法,分别减少69.1%和24.8%,引入的阈值筛选机制使整体收敛步数降低41.1%.在Unity 3D强化学习仿真平台,验证了复杂地图场景下的避障任务完成情况,实验结果表明,该算法能实现无人艇的精细化避障和智能安全行驶.
|
| 关 键 词： | 无人艇 强化学习 智能避障 深度Q网络 |
|
|
