Neste estudo, propomos um sistema de navegação autônoma para um robô em forma de cobra com o objetivo de buscar vítimas de forma eficiente durante desastres. Este sistema foi desenvolvido usando PPO (Otimização de Política Proximal), um tipo de algoritmo de aprendizado por reforço profundo. Primeiro, construímos um ambiente no simulador com um destino e obstáculos, e colocamos um modelo 3D do robô em forma de cobra dentro dele. Em seguida, ao rodar repetidamente o robô em forma de cobra do ponto de partida até o destino, confirmamos que ele adquiriu a capacidade de alcançar o destino autonomamente enquanto evitava obstáculos.
Kohayakawa et al. (Qui,) estudaram esta questão.