Deep Reinforcement Learning for Mobile Robot Path Planning

要約

経路計画は、ビデオ ゲーム、ロボット工学など、さまざまな側面でのアプリケーションの重要な問題です。この論文では、移動ロボットの深層強化学習 (DRL) ベースの経路計画の問題に対処する新しい方法を提案します。
2D 環境での時間のかかる作業を回避するために、報酬関数やパラメーターの最適化を含む DRL ベースのアルゴリズムを設計します。
また、ローカル パス プランニングの品質を向上させるために、双方向探索ハイブリッド A* アルゴリズムも設計しました。
設計したアルゴリズムを単純な組み込み環境に転送し、移動ロボット上で実行するときのアルゴリズムの計算負荷をテストしました。
実験では、この記事の DRL ベースのアルゴリズムをロボット プラットフォームに展開すると、より良い計画結果が得られ、消費するコンピューティング リソースが削減できることが示されています。

要約(オリジナル)

Path planning is an important problem with the the applications in many aspects, such as video games, robotics etc. This paper proposes a novel method to address the problem of Deep Reinforcement Learning (DRL) based path planning for a mobile robot. We design DRL-based algorithms, including reward functions, and parameter optimization, to avoid time-consuming work in a 2D environment. We also designed an Two-way search hybrid A* algorithm to improve the quality of local path planning. We transferred the designed algorithm to a simple embedded environment to test the computational load of the algorithm when running on a mobile robot. Experiments show that when deployed on a robot platform, the DRL-based algorithm in this article can achieve better planning results and consume less computing resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google