《基于RPkNN-Sarsa(λ)强化学习的机器人路径规划方法》PDF+DOC
作者:王军红,江虹,黄玉清,伍晓利
单位:四川省计算机研究院
出版:《计算机应用研究》2013年第01期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFJSYJ2013010520
DOC编号:DOCJSYJ2013010529
下载格式:PDF + Word/doc 文字可复制、可编辑
《强化学习在机器人路径规划中的应用研究》PDF+DOC2013年第12期 童亮,王准
《基于激光雷达传感器的RBPF-SLAM系统优化设计》PDF+DOC2017年第09期 王依人,邓国庆,刘勇,张文
《分布式多传感器系统误差实时检测分析》PDF+DOC2014年第06期 朱洪伟,何友,唐小明
《多传感器融合的移动机器人同步定位与建图》PDF+DOC 陈超,徐军,张伟伟
《STK在航电传感器设备试验环境中的仿真应用》PDF+DOC2019年第01期 王师逸
《多传感器目标识别的优化融合》PDF+DOC2005年第01期 杨莘元,蒲书缙,马惠珠
《基于激光传感器构建环境拓扑地图》PDF+DOC2012年第09期 苏丽颖,宋华磊
《基于超声波扫描的栅格地图优化方法概述》PDF+DOC2012年第18期 李鑫,李雪娇,李银,张志美
《多传感器数据融合仿真平台的设计与实现》PDF+DOC2010年第Z1期 黎慧,金宏斌,冯旭东
《可信度估计在目标识别融合系统中的应用》PDF+DOC2007年第01期 刘澎,姚钦
基于kNN-Sarsa(λ)强化学习的机器人路径规划方法虽然收敛速度快,但该算法容易陷入局部最优值,且未考虑环境信息的不完全可观测性。为此,设计了一种随机扰动(random perturbation)kNN-Sarsa(λ)强化学习算法,利用Bayesian规则对传感器探测信息的不确定性进行了处理,建立了基于栅格地图的仿真环境模型。仿真实验结果表明,该方法不仅收敛性好,能有效缓解kNN-Sarsa(λ)算法易陷入局部最优的现象,且在传感器探测信息不确定的情况下仍能搜索到最优路径。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。