基于d3qn的避障优先无地图导航算法,首发论文 -全讯担保网

您当前所在位置: 全讯担保网-0008全讯注册 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交pdf文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202311-68
论文题目 基于d3qn的避障优先无地图导航算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:albert einstein,编入参考文献时写法:einstein a.

示例2:原姓名写法:李时珍;编入参考文献时写法:li s z.

示例3:yelland r l,jones s c,easton k s,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择doc或latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的doc文件
上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!

基于d3qn的避障优先无地图导航算法

首发时间:2023-11-27

1   

杨金梁(1998-),男,硕士研究生,主要研究方向:强化学习与智能车导航。

1   

邝坚(1966-),男,教授、硕导,主要研究方向:嵌入式与通信软件,e-mail:jkuang@bupt.edu.cn

  • 1、北京邮电大学计算机学院(国家示范性软件学院),北京,100876

摘要:使用深度强化学习技术来解决智能车的无地图导航问题,是当前关于无地图导航研究的主流。然而在当前基于深度学习强化学习的无地图导航算法中,奖励函数的设计通常会使强化学习模型的训练面临奖励稀疏的问题。本文将无地图导航问题转换成避障和导航两个子问题,并针对该问题设计了一种奖励函数,将该奖励函数与d3qn算法结合,提出了一种基于d3qn的避障优先无地图导航算法。使用该算法可以解决奖励稀疏的问题,在训练初期提高智能车的避障能力,增大智能车探索到目标点的概率,从而加快模型训练的速率。同时,本文给出了该算法能够解决导航问题的理论证明,且通过实验验证了其正确性。

关键词:

for information in english, please click here

an obstacle avoidance first mapless navigation algorithm based on d3qn

1   

杨金梁(1998-),男,硕士研究生,主要研究方向:强化学习与智能车导航。

1   

邝坚(1966-),男,教授、硕导,主要研究方向:嵌入式与通信软件,e-mail:jkuang@bupt.edu.cn

  • 1、school of computer science(national pilot software engineering school), beijing university of posts and telecommunications, beijing 100876

abstract:using deep reinforcement learning technology to solve the map-less navigation problem of smart cars is the current mainstream of map-less navigation research. in current map-less navigation algorithms based on deep learning reinforcement learning, the design of the reward function usually causes the training of reinforcement learning models to face the sparse reward problem. this paper converts the mapless navigation problem into two sub-problems of obstacle avoidance and navigation, and designs a reward function for this problem. combining the reward function with the d3qn algorithm, a d3qn-based obstacle avoidance priority mapless navigation algorithm is proposed. this algorithm can solve the sparse reward problem, improve the obstacle avoidance ability of the smart car in the early stage of training, and increase the probability of arrival in the exploratory phase, thus speeding up the model training rate. at the same time, this article provides a theoretical proof that the algorithm can solve the problem of mapless navigation, and its correctness is verified through experiments.

keywords:

click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

杨金梁,邝坚. 基于d3qn的避障优先无地图导航算法[eb/ol]. 北京:中国科技论文在线 [2023-11-27]. https://www.paper.edu.cn/releasepaper/content/202311-68.

no.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于d3qn的避障优先无地图导航算法

网站地图