Verstärkendes Lernen Neuronales Netzwerk zur Problematik der autonomen mobilen Roboter-Obstacle Avoidance

In diesem Papier wird ein Ansatz zur Problematik der autonomen mobilen Roboter-Obstacle Avoidance unter Verwendung eines verstärkenden Lernnetzwerks vorgeschlagen. Q-Learning ist eine Art von verstärkendem Lernverfahren, das dem dynamischen Programmieren ähnelt, und das neuronale Netzwerk hat eine starke Fähigkeit, Werte zu speichern. Wir integrieren diese beiden Methoden mit dem Ziel, das autonome Verhalten von Robotern in komplexen, unvorhersehbaren Umgebungen zu gewährleisten. Die Simulationsergebnisse zeigen, dass der simulierte Roboter, der das verstärkende Lernneuronale Netzwerk verwendet, offensichtlich seine Lernfähigkeit verbessern kann und die gestellte Aufgabe in einer komplexen Umgebung abschließen kann.