基于强化学习的仿蛇机器人运动规划方法
公开
摘要
本发明涉及基于强化学习的仿蛇机器人运动规划方法，用于解决当前主流运动规划算法在应用于仿蛇机器人时无法完成由起始点到目标点的运动规划或所规划的路径适用性差的问题。本发明是由神经网络与路径积分强化学习相结合而实现的复杂环境下运动规划新型方法，其主要机理是利用神经网络表征状态空间，以强化学习的方式训练生成可行路径，应用路径平滑算法处理路径获取可靠路径导航点，于各路径导航点间采用路径积分强化学习生成仿蛇机器人步态参数，输入关节以完成路径点导航。该方法实现了复杂环境下仿蛇机器人由起始位置到达目标位置的运动规划，有效提高仿蛇机器人对不同环境的适应能力。
基本信息
专利标题 ：
基于强化学习的仿蛇机器人运动规划方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114578830A
申请号 ：
CN202210374451.6
公开（公告）日 ：
2022-06-03
申请日 ：
2022-04-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张东曹政才袁昊居仁杰苗智雯劳钜盖妍
申请人 ：
北京化工大学
申请人地址 ：
北京市朝阳区北三环东路15号
代理机构 ：
北京思海天达知识产权代理有限公司
代理人 ：
张慧
优先权 ：
CN202210374451.6
主分类号 ：
G05D1/02
IPC分类号 ：
G05D1/02
IPC结构图谱
G
G部——物理
G05
控制；调节
G05D
非电变量的控制或调节系统
G05D1/00
陆地、水上、空中或太空中的运载工具的位置、航道、高度或姿态的控制，例如自动驾驶仪
G05D1/02
二维的位置或航道控制
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
