计算机应用研究

作者：贺雪梅,匡胤,杨志鹏,杨亚乔,

单位：1.陕西科技大学设计与艺术学院,西安710021；2.湖北航天技术研究院总体设计所,武汉430040；3.国网武汉市东西湖区供电公司,武汉430040；

关键词：自动导引车,深度强化学习,深度策略性梯度,智能导航,

基金：陕西省科技厅资助项目(2019GY-077)；教育部人文社会科学研究规划基金资助项目(17YJAZH100)；陕西省教育厅人文社科一般专项项目(20JK0070)；；

针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题，基于深度强化学习完成了AGV智能导航系统设计。首先，结合传感器对周围的障碍物进行探测感知，利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制，帮助AGV完成自主导航和避障任务。此外，针对训练样本易受环境干扰的问题，提出了一种新颖的DL（disturb learning）- DDPG算法，通过对学习样本中相关数据进行高斯噪声预处理，帮助智能体适应噪声状态下的训练环境，提升了AGV在真实环境中的鲁棒性。仿真实验表明，经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力，使AGV小车完成自主导航与智能控制。

来源：2022年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第5期