一种基于强化学习的AGV路径规划方法及系统

授权

摘要

本发明提出一种基于强化学习的AGV路径规划方法及系统，解决了现有基于强化学习的AGV路径规划方法需消耗大量时间和算力成本的问题，首先构建AGV动力学模型，以AGV为智能体，其行驶所感知到的环境信息为状态信息，考虑目的地位置、障碍物位置设计状态空间，以及设计连续性动作空间、多重奖励机制；结合状态空间、连续性动作空间及多重奖励机制，完成路径规划的马尔科夫过程建模，其中状态空间可给定任意不同起始点、目标点、任意位置障碍物，可泛化性高，然后引入Actor‑Critic框架，进行策略学习训练，在线运行避免了计算量大的问题，算力要求低，实现AGV对任意目标、障碍物的实时决策控制。

基本信息

专利标题：

一种基于强化学习的AGV路径规划方法及系统

专利标题（英）：

暂无

公开（公告）号：

CN113485380A

申请号：

CN202110963677.5

公开（公告）日：

2021-10-08

申请日：

2021-08-20

授权号：

CN113485380B

授权日：

2022-04-12

发明人：

吴宗泽郭海森任志刚赖家伦王界兵

申请人：

广东工业大学

申请人地址：

广东省广州市越秀区东风东路729号

代理机构：

广州粤高专利商标代理有限公司

代理人：

林丽明

优先权：

CN202110963677.5

主分类号：

G05D1/02

IPC分类号：

G05D1/02