.png){kind=icon}
返回
Path planning algorithm for mobile robots using value distribution and LSTM-based Soft Actor-Critic
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/ae481e.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决软演员-评论家（SAC）算法在动态环境中存在的价值估计不稳定和时序信息利用不足的问题，提出了一种集成分布式价值学习和长短期记忆网络（LSTM）的改进SAC路径规划方法。首先，评论家模型通过分位数回归建模回报分布，以降低价值估计的方差并提高策略评估的稳定性；其次，LSTM编码历史障碍物观测信息，增强对环境动态的预测和决策能力。通过在Gazebo仿真平台动态场景中的对比实验，所提方法在平均路径长度、平均步数和平均规划时间方面优于LSTM增强的DDPG、基础SAC、分布式SAC和LSTM-SAC。此外，实际实验进一步验证了该方法的有效性和鲁棒性。
Keyword:
long short-term memory (LSTM) network
soft actor-critic (SAC)
mobile robot
path planning
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
机构
引用论文
Research on Path-Planning Algorithm Integrating Optimization A-Star Algorithm and Artificial Potential Field Method.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Action decoupled SAC reinforcement learning with discrete-continuous hybrid action spaces具有离散-连续混合动作空间的动作解耦SAC强化学习NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏Robotic Manipulator in Dynamic Environment with SAC Combing Attention Mechanism and LSTM动态环境下带有SAC结合注意力机制和LSTM的机器人操作臂ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏A multi-strategy improved sparrow search algorithm for mobile robots path planning一种多策略改进的麻雀搜索算法用于移动机器人路径规划
PREAI
分享收藏A hybrid optimization algorithm of ACO and RRT for solving mobile robot path planning一种基于蚁群优化算法（ACO）与快速扩展随机树（RRT）的混合优化算法，用于解决移动机器人路径规划问题
PREAI
分享收藏
查看更多内容