基于强化学习的机器人智能路径规划

为了减少制造成本、提高焊接效率,让机器人能适应不同形状的焊缝,具备类似人一样的自主学习和决策能力,提出将基于强化学习的路径规划智能算法运用在焊接机器人上。在采用马尔可夫决策过程构建焊接机器人的路径规划模型的基础上,运用激光雷达让机器人拥有感知焊缝的能力;接着基于改进的深度Q网络算法,利用神经网络拟合机器人的自主决策函数,让机器人能自主选择合适的动作;最后结合机器人操作系统(ROS)和Gazebo仿真软件,根据焊缝的简化模型对提出的算法进行仿真实验。仿真结果表明,机器人能成功地对训练模型完成路径规划,并能将学习到的知识进行迁移,顺利完成在未知测试模型上的路径规划任务,证实了算法的可行性。

资料为PDF文档格式.

本文档关键词:路径,智能,机器人,强化,规划