多障碍环境中基于增强式学习的势场优化和机器人路径规划

该文把增强式学习方法应用于多障碍环境中机器人路径规划，并将增强式学习和路径规划结合，通过工作空间势场的自适应优化学习，实现机器人的全局路径规划，即得到从任何初始位置开始的最优路径。与传统的人工势场方法相比，该方法避免了势场中局部极小点所引起的陷阱区域，并且所得到的路径具有最优特性，计算机仿真实验结果表明，这种学习方法能有效的解决多障碍环境中的机器人路径规划问题。