基于強化學習的自主移動機器人導航研究.pdf

1、未知環(huán)境下移動機器人缺少先驗知識，移動機器人自主學習以提高對環(huán)境的適應能力，是實現(xiàn)移動機器人在未知、復雜環(huán)境中成功應用的關鍵。反應式導航是提高移動機器人在未知環(huán)境下實時性和適應性的重要手段。近年來，在諸多反應式導航方法中，強化學習由于無需監(jiān)督和先驗知識、自學習和在線學習的特點使其具有在未知環(huán)境下導航的優(yōu)越性。 1.針對標準強化學習速度較慢，提出基于Q學習和粗糙集的自主導航方法。通過強化學習，機器人能夠實現(xiàn)未知環(huán)境下的自主導航。由

2、于機器人導航的知識具有不完備性，而粗糙集是處理不完備性的一種有效的數(shù)學工具。本文首先利用粗糙集理論處理機器人的初始導航知識，簡化導航系統(tǒng)的復雜性。然后將它與Q學習結合，加快了機器人學習的速度，從而提高了導航系統(tǒng)的避碰能力。 2.由于在復雜連續(xù)環(huán)境下，強化學習系統(tǒng)面臨“維數(shù)災難”問題，需要采取量化的方法，降低輸入空間的復雜度，而徑向基神經(jīng)網(wǎng)絡（RBFNN）具有較強的函數(shù)逼近能力及泛化能力，由此提出了基于RBF神經(jīng)網(wǎng)絡的Q學習方法并