改进的深度确定性策略梯度用于移动机器人动态障碍物避让

当需要移动机器人在未知且复杂的环境中执行任务时，动态障碍物避让的能力至关重要。然而，传统的深度确定性策略梯度（DDPG）在无碰撞导航中只能感知固定数量的动态障碍物，因此无法适应随机工作场景。为克服这一限制，本研究提出了一种改进的DDPG算法。这是一种探索，通过基于长短期记忆（LSTM）网络的编码器实现DDPG，以便在随机工作场景中实现移动机器人的动态障碍物避让，该编码器可以将可变数量的障碍物编码为固定长度的表示。具体而言，为了便于LSTM网络编码器的使用，设计了一条安全处理规则，以确保可观测障碍物的全部信息能够被完全表示。LSTM网络编码器通过采用安全处理规则获取可观测障碍物的最新环境信息，并生成固定长度的状态向量。此外，为移动机器人和障碍物设计了连续状态空间、奖励函数和动作空间。进行了一系列模拟和实验，结果验证了改进的DDPG算法能够在多个动态障碍物的情况下有效实现无碰撞轨迹。这有助于有效减少路径距离和运动时间。