TY -的A2 Bhattacharya丝薇AU - Tang Yaokun盟,陈教授非盟-魏,宇新PY - 2022 DA - 2022/09/23 TI -机器人避障控制器基于深度强化学习SP - 4194747六世- 2022 AB -为核心技术领域的移动机器人,机器人避障技术的发展大大提高了机器人的运行稳定性。基于路径规划或指导,大多数现有的避障方法效率较低的表现复杂和不可预测的环境。在本文中,我们提出一个避障方法与分级控制器基于强化学习,可以实现更高效的自适应避障路径规划。与多个神经网络控制器,包含一个行动选择器和一个行动运动员组成的两个神经网络策略和两个单独行动。行动选择器和每个神经网络策略分别训练仿真环境中部署在一个机器人。我们验证了方法对轮式机器人。超过200个测试收益率高达90%的成功率。SN - 1687 - 725 - 2022/4194747 / 10.1155 x你——https://doi.org/10.1155/2022/4194747——摩根富林明——《传感器PB - Hindawi KW - ER