文档名：基于深度Q网络的机器人路径规划研究综述
摘要：随着深度强化学习的不断发展,深度Q网络(DQN)在机器人路径规划中得到广泛关注和研究.首先,简要介绍DQN以及NatureDQN、DoubleDQN、DuelingDQN和D3QN等算法的基本原理和改进思想.针对算法存在的样本获取成本高和交互效率低的问题,系统梳理并总结了从奖励函数、探索能力、样本利用率等方面进行优化的研究成果和思路.最后,讨论了DQN在现代物流中进行机器人路径规划的优势,对每个场景提出了算法的优化方向,涵盖状态空间、动作空间以及奖励函数等多个关键方面.
Abstract：Withthecontinuousdevelopmentofdeepreinforcementlearning,deepQ-learningnetwork(DQN)hasreceivedextensiveattentionandresearchinrobotpathplanning.Firstly,thebasicprinciplesandimprovementideasofDQNandalgorithmssuchasNatureDQN,DoubleDQN,DuelingDQNandD3QNisbrieflyintroduced.Inviewoftheproblemsofhighsampleacquisitioncostandlowinteractionefficiencyinthealgorithm,theresearchresultsandideasofoptimizationfromrewardfunction,explorationability,sampleutilizationrate,etcaresystematicallysortedandsummarized.Finally,theadvantagesofDQNinrobotpathplanninginmodernlogisticsisdiscussed,andoptimizationdirectionsforeachscenarioisproposedcoveringkeyaspectssuchasstatespace,actionspace,andrewardfunction.
作者：卢锦澎 梁宏斌Author：LUJinpeng LIANGHongbin
作者单位：西南交通大学交通运输与物流学院,四川成都541004
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(6)
分类号：TP242
关键词：机器人 路径规划 深度Q网络 现代物流
Keywords：robot pathplanning deepQ-learningnetwork(DQN) modernlogistics
机标分类号：G64TP391G23
在线出版日期：2024年7月12日
基金项目：国家自然科学基金基于深度Q网络的机器人路径规划研究综述[
期刊论文] 传感器与微系统--2024, 43(6)卢锦澎 梁宏斌随着深度强化学习的不断发展,深度Q网络(DQN)在机器人路径规划中得到广泛关注和研究.首先,简要介绍DQN以及NatureDQN、DoubleDQN、DuelingDQN和D3QN等算法的基本原理和改进思想.针对算法存在的样本获取成本高和交互效率...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度Q网络的机器人路径规划研究综述 Research review of robot path planning based on DQN
基于深度Q网络的机器人路径规划研究综述.pdf
- 文件大小:
- 702.96 KB
- 下载次数:
- 60
-
高速下载
|
|
