花盆搬运机器人动态检测路径优化分析  

作　　者：赵亚平[1] 杨艳山 

机构地区：[1]苏州农业职业技术学院智慧农业学院,江苏苏州215008

出　　处：《农业开发与装备》2025年第3期72-76,共5页Agricultural Development & Equipments

基　　金：2024年江苏省高职院校教师访学研修项目(2024GRFX048);2023年江苏高校哲学社会科学研究项目(2023SJYB1538);2022年苏州农业职业技术学院重点课程团队教法专项研究课题(2022SNZ015);2023年江苏省大学生创新项目(GX028)。

摘　　要：针对BA蜂群算法远距离动态检测机器人路径识别不够智能的缺点,提出一种基于QBA强化学习算法的移动机器人路径优化方法。QBA强化学习算法是BA蜂群算法和Q深度学习算法的融合,QBA强化学习算法旨在以较少的BA迭代次数找到最优路径,利用BA算法的优势来解决动态规划无约束问题,并利用Q深度学习算法来寻找最短路径,为远距离动态检测机器人提供更快更智能的路径优化解决方案。通过仿真及实验结果证明,所提方法在动态检测机器人寻找最优路径方面具有很强的稳定性和有效性,同时,通过与人工智能不同路径优化算法对比分析,QBA强化学习算法在动态复杂工况下寻找移动机器人最短路径方面具有更强优势。

关 键 词：动态避障 机器学习 优化 移动机器人路径规划 

分 类 号：TP2[自动化与计算机技术—检测技术与自动化装置]