将基于深度强化学习的避障技术部署到传统的自主导航系统中

近来，移动机器人已成为各行各业的重要工具，尤其是在物流领域。 深度强化学习作为一种替代规划方法出现，以取代过于保守的方法，并承诺更有效和更灵活的导航。 然而，深度强化学习方法不适合远程导航，因为它们容易出现局部最小值和缺乏长期记忆，这阻碍了其广泛集成到移动机器人的工业应用中。 在本文中，我们提出了一种导航系统，该系统将基于深度强化学习的本地规划器整合到用于远程导航的传统导航堆栈中。 因此，提出了一个用于训练和测试深度强化学习算法以及经典方法的框架。 我们针对各种传统规划器评估了我们的深度强化学习增强导航系统，发现我们的系统在安全性、效率和鲁棒性方面优于它们。