基于深度强化学习的舰载机动态避障方法

作     者：薛均晓 孔祥燕 郭毅博 鲁爱国 李鉴 万曦 徐明亮 Xue Junxiao;Kong Xiangyan;Guo Yibo;Lu Aiguo;Li Jian;Wan Xi;Xu Mingliang

作者机构：郑州大学软件学院郑州450002 郑州大学信息工程学院郑州450001 中国船舶重工集团第709研究所武汉430070 

基　　金：国家自然科学基金(62036010,61822701) 河南省高校科技创新人才支持计划(18HASTIT020) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2021年第33卷第7期

页      码：1102-1112页

摘      要：针对高度异构、动态的航母甲板作业场景中的舰载机避障问题,提出一种结合预测算法和深度强化学习的避障方法.该方法包含场景建模、奖励模型和轨迹预测模型等模块.首先基于智能体状态和动作空间对航母甲板场景进行建模;然后利用最小二乘法对场景中动态障碍物的位置进行实时轨迹预测,并构造了包含路径预测模块的深度强化学习方法——环境预测深度Q网络(PDQN);最后利用该方法实现航母甲板作业场景中的舰载机动态避障.利用Python绘图集Matplotlib进行仿真实验,实验数据结果表明,相比于Q-learning,SARSA等方法,所提方法的准确率提升了15%~25%,路径长度短9%~39%,平均奖励值高30%~100%,收敛速度快1~2倍且训练平稳后准确率的标准差小2%~50%.

主 题 词：航空母舰 强化学习 轨迹预测 动态避障 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2021.18637

馆 藏 号：203104266...