公开(公告)号：CN115629607A

公开(公告)日：2023-01-20

申请号：CN202211306866.6

申请日：2022-10-25

Applicant: 湖北汽车工业学院

Inventor： 王科银 ,  陈磊 ,  石振东 ,  石振 ,  张建辉 ,  杨正才

IPC: G05D1/02

Abstract: 本发明涉及机器人路径规划技术领域，具体涉及一种融合历史信息的强化学习路径规划方法，包括以下步骤：S1：获取环境图像，建立格栅地图；S2：定义强化学习状态空间和动作空间；S3：初始化算法参数；S4：动态调整动作空间；S5：在调整后的动作空间中，采用ε‑贪婪策略选择动作；S6：执行动作，更新Q值；S7：复执行第四步、第五步、第六步，直到达到一定步数或一定收敛条件为止；S8：每一步选择Q值最大的动作，得出最优路径；S9：把最优路径发送给移动机器人的控制器，控制移动机器人按照最优行走。

公开(公告)号：CN115629607B

公开(公告)日：2025-02-25

申请号：CN202211306866.6

申请日：2022-10-25

Applicant: 湖北汽车工业学院

Inventor： 王科银 ,  陈磊 ,  石振东 ,  石振 ,  张建辉 ,  杨正才

IPC: G05D1/43

Abstract: 本发明涉及机器人路径规划技术领域，具体涉及一种融合历史信息的强化学习路径规划方法，包括以下步骤：S1：获取环境图像，建立格栅地图；S2：定义强化学习状态空间和动作空间；S3：初始化算法参数；S4：动态调整动作空间；S5：在调整后的动作空间中，采用ε‑贪婪策略选择动作；S6：执行动作，更新Q值；S7：复执行第四步、第五步、第六步，直到达到一定步数或一定收敛条件为止；S8：每一步选择Q值最大的动作，得出最优路径；S9：把最优路径发送给移动机器人的控制器，控制移动机器人按照最优行走。