面向无人艇的T-DQN智能避障算法研究
文献类型：期刊论文
| 作者 | 周治国; 余思雨; 于家宝; 段俊伟; 陈龙 ; 陈俊龙
|
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:8页码:1645-1655 |
| 关键词 | 无人艇 强化学习 智能避障 深度Q网络 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c210080 |
| 英文摘要 | 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. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56081]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 周治国,余思雨,于家宝,等. 面向无人艇的T-DQN智能避障算法研究[J]. 自动化学报,2023,49(8):1645-1655. |
| APA | 周治国,余思雨,于家宝,段俊伟,陈龙,&陈俊龙.(2023).面向无人艇的T-DQN智能避障算法研究.自动化学报,49(8),1645-1655. |
| MLA | 周治国,et al."面向无人艇的T-DQN智能避障算法研究".自动化学报 49.8(2023):1645-1655. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。