.png){kind=icon}
返回
Scalable path planning algorithm for multi-Unmanned Surface Vehicles based on Multi-Agent Deep Deterministic Policy Gradient
.png){kind=icon}
PRE
AI
DOI：10.1016/j.oceaneng.2024.120243.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文针对多无人水面艇（USV）系统的协同路径规划问题展开研究。基于多智能体深度确定性策略梯度（MADDPG）框架，提出了一种多-USV路径规划算法。相较于传统MADDPG，所提算法采用基于邻近观测构建观测空间策略，通过提取邻近USV和障碍物的关键信息来减少数据量并提升可扩展性。此外，引入了一种优先考虑最新经验的混合采样策略以提高学习效率，并采用软更新策略更新目标网络参数。进一步地，设计了融合残差网络和预处理网络的Critic网络模型，以提升训练效率和稳定性。仿真结果表明，与MADDPG及其他四种算法相比，所提方法具有更优的训练效果和更强的可扩展性，路径规划更为合理高效，能够实现不同场景下的多-USV路径规划。
Keyword:
Multi-unmanned surface vehicles
Deep deterministic policy gradient
Path planning
Adjacent observation
Improved experience replay
Residual network
期刊
IF:
5.5
论文数:
7.3K
被引数:
7.6W
机构
引用论文
Transformer-Based Imitative Reinforcement Learning for Multirobot Path Planning基于Transformer的多机器人路径规划模拟强化学习
PREAI
分享收藏
ME-MADDPG: An efficient learning-based motion planning method for multiple agents in complex environmentsMe-maddpg: 复杂环境中多智能体的高效基于学习的运动规划方法
OAAI
OAAI分享收藏A composite learning method for multi-ship collision avoidance based on reinforcement learning and inverse control.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容