基于神经网络的强化学习在避障中的应用  

Neural network-based reinforcement learning applied to obstacle avoidance

作　　者：乔俊飞[1] 侯占军[1] 阮晓钢[1] 

机构地区：[1]北京工业大学人工智能与机器人研究所,北京100124

出　　处：《清华大学学报（自然科学版）》2008年第S2期1747-1750,共4页Journal of Tsinghua University(Science and Technology)

基　　金：国家自然科学基金资助项目(60375017);北京市优秀人才培养资助项目(2006D0501500203);北京市教委科技发展计划项目(KM2006100050190)

摘　　要：为了提高移动机器人的自学习能力,在基于行为控制结构的基础上设计了智能控制结构,该结构引入了强化学习模块。神经网络具有很好的泛化能力,该文提出了基于神经网络的强化Q学习算法,克服了表格式Q学习算法只能应用到离散的状态中并需要大量存储空间的不足,最后结合智能控制结构应用到移动机器人的避障中。实验结果表明,该方法能够使移动机器人通过自学习实现自主避障。An intelligent control architecture with reinforcement learning was designed based on a behavior-based architecture to improve the learning ability of mobile robots.Normal tabular Q-learning can only be applied to discrete states and requires a large memory.Since neural networks have good generalization,a Q-learning system was developed based on a neural network for obstacle avoidance of mobile robots.Experiments show that the mobile robot can then learn to avoid obstacles.

关 键 词：移动机器人 强化学习 神经网络 避障 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]