[发明专利]一种基于深度强化学习的移动机器人路径规划方法

权利要求书

1.一种基于深度强化学习的移动机器人路径规划方法，其特征在于，包括以下步骤：

获取机器人当前位置、环境信息；

基于全卷积残余网络获取深度图像，对障碍物进行识别；

如果判定前方不存在障碍物，那么向前驶达局部目标地，并基于FastSLAM算法确定当前位置；

如果判定前方存在障碍物，则基于深度强化学习进行路径规划，依据规划输出执行避障策略，并基于FastSLAM算法确定当前位置。重复执行该步骤，直到障碍物成功避过；

检测当前位置是否为最终目的地，若当前位置不是最终目的地则继续确定机器人局部目标点，重复前述所有步骤，直到机器人达到最终目的地。

2.根据权利要求1所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

初始化最初机器人位置为坐标原点；

其后每一次的环境地图更新都建立在该时间点以前的基础之上。

3.根据权利要求1所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

实时检测障碍物；

所述检测障碍物包括动态障碍物和静态障碍物。

4.根据权利要求3所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

检测动态障碍物包括对动态障碍物轨迹的预测；

检测障碍物区域包括静态障碍物所处区域，动态障碍物所处区域和动态障碍物轨迹的预测区域；

检测障碍区域旁的可通行区域。

5.根据权利要求4所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

在路径规划策略中，将机器人的行为被定义为由2种线速度和5种角速度组合为的十组动作。

6.根据权利要求4所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

用离散形式控制线速度和角速度的方法实现机器人的动作；

对深度强化学习的奖励函数的定义如下式2所示：

r＝v*cos(w)*dt

式中：

r:机器人运动的线速度；

ω:机器人运动的角速度；

dt:每次训练的循环时间。

7.根据权利要求6所述的基于深度强化学习的移动机器人路径规划方法，其特征在于，

奖励函数在应用中的策略包括：

一个总的事件中的奖励由其中每个小步骤的奖励累加得到；

如果检测到碰撞就会立即终止事件，并且会给予适当的额外惩罚；

如果没有检测到碰撞，事件就会一直进行，直到所有步骤完成；

事件结束时不会有惩罚。