【标题】Adaptive Environment Modeling Based Reinforcement Learning for Collision Avoidance in Complex Scenes

【作者团队】Shuaijun Wang, Rui Gao, Ruihua Han, Shengduo Chen

【发表日期】2022.3.15

【论文链接】https://arxiv.org/pdf/2203.07709

【推荐理由】拥挤场景中机器人导航避碰的主要挑战在于准确的环境建模、快速的感知和可信赖的运动规划策略。 本文提出了一种新颖的基于自适应环境模型的防撞强化学习（即 AEMCARL）框架，用于无人驾驶机器人在具有挑战性的导航场景中实现无碰撞运动。 新颖之处在于三个方面：（1）开发用于环境建模的门控循环单元（GRU）的层次网络； (2) 开发带有注意力模块的自适应感知机制； (3) 为强化学习 (RL) 框架开发自适应奖励函数，以联合训练环境模型、感知函数和运动规划策略。 所提出的方法使用 Gym-Gazebo 模拟器和一组机器人（Husky 和 ​​Turtlebot）在各种拥挤场景下进行了测试。


内容中包含的图片若涉及版权问题，请及时与我们联系删除