基于深度Q网络的无人车侦察路径规划

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：

在城市战场环境下，无人侦察车有助于指挥部更好地了解目标地区情况，提升决策准确性，降低军事行动的威胁。目前，无人侦察车多采用阿克曼转向结构，传统算法规划的路径不符合无人侦察车的运动学模型。对此，将自行车运动模型和深度Q网络相结合，通过端到端的方式生成无人侦察车的运动轨迹。针对深度Q网络学习速度慢、泛化能力差的问题，根据神经网络的训练特点提出基于经验分类的深度Q网络，并提出具有一定泛化能力的状态空间。（剩余13929字）

试读结束

目录
monitor