.png){kind=icon}
返回
A novel reinforcement learning framework-based path planning algorithm for unmanned surface vehicle
.png){kind=icon}
OA
AI
DOI：10.3389/fmars.2025.1641093.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人水面艇（USVs）如今已被广泛应用于海洋观测任务中；帮助研究人员监测气候变化；收集环境数据；并观察海洋生态系统过程。然而，USVs在海洋观测任务中的路径规划常常面临几种固有困难：对环境信息的高度依赖；收敛时间长；以及生成的路径质量低。为解决这些问题，本文提出了一种基于新型人工势场-启发式奖励-平均深度Q网络（APF-RADQN）框架的路径规划算法，旨在为USVs寻找最优路径。首先，将USV路径规划建模为马尔可夫决策过程（MDP）。其次，设计了一个综合奖励函数，结合人工势场（APF）启发，以引导USV到达目标区域。随后，构建了一个带有奖励平均策略的优化深度神经网络，以有效提升算法的学习和收敛速度，从而进一步提高USV路径规划的全局搜索能力和界面性能。此外，应用贝塞尔曲线使生成的路径更具可行性。最后，通过模拟实验将所提出的算法与DQN、A*和APF算法进行比较，验证了其有效性。模拟结果表明，APF-RADQN提升了界面能力和路径质量，显著增强了USV导航安全性和海洋观测任务的运行效率。
Keyword:
USVs
path planning
artificial potential field
deep Q-network
reward-averaging
Bezier curve
期刊
IF:
3
论文数:
2.6K
被引数:
4.0W
机构
引用论文
.png){kind=icon}
Parallel Elite Genetic Algorithm and Its Application to Global Path Planning for Autonomous Robot Navigation并行精英遗传算法及其在自主机器人导航全局路径规划中的应用
PREAI
分享收藏ETQ-learning: an improved Q-learning algorithm for path planningETQ-learning：一种用于路径规划的改进型Q-learning算法
PREAI
分享收藏
Data harvesting in uncharted waters: Interactive learning empowered path planning for USV-assisted maritime data collection under fully unknown environments在未知水域的数据采集：基于交互式学习的路径规划赋能USV辅助的海事数据收集，应用于完全未知的环境
PREAI
分享收藏Lane change trajectory prediction considering driving style uncertainty for autonomous vehicles考虑驾驶风格不确定性的自动驾驶车辆换道轨迹预测
PREAI
分享收藏Path planning for unmanned surface vehicles in anchorage areas based on the risk-aware path optimization algorithm基于风险感知路径优化算法的锚泊区域无人水面艇路径规划OAAI
OAAI分享收藏Path Planning Based on Deep Reinforcement Learning for Autonomous Underwater Vehicles Under Ocean Current Disturbance海流扰动下基于深度强化学习的自主水下机器人路径规划
PREAI
分享收藏
查看更多内容