【标题】Modified Q-learning with distance metric and virtual target on path planning of mobile robot

【作者团队】Low Ee Soong, Ong Pauline, Low Cheng Yee, Rosli Omar

【发表日期】2022.4.7

【论文链接】https://www.sciencedirect.com/science/article/pii/S0957417422005784

【推荐理由】路径规划是移动机器人导航的基本要素。Q-learning 是一种流行的强化学习路径规划方法，能够在很少或根本没有环境知识的情况下进行学习。尽管在许多研究中报告了 Q-learning 的成功应用，但其与维数灾难相关的缓慢收敛可能会限制实践中的性能。为了解决这个问题，本研究引入了一种经过三个修改的改进 Q-learning (IQL)。首先，将距离度量添加到 Q-learning 中，以引导智能体向目标移动。其次，修改了 Q-learning 的 Q 函数，以更有效地克服死胡同。最后，在 Q-learning 中引入了虚拟目标概念来绕过死胡同。二十种导航地图的实验结果表明，与 Q-learning 相比，所提出的策略加快了学习速度。


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