基于静态奖励驱动的RRT算法的无人船路径规划方法及装置

本发明涉及基于静态奖励驱动的RRT算法的无人船路径规划方法及装置，对终点附近范围内对纵坐标进行梯度化，在不同梯度选取不同奖励系数，在根据横坐标差值，对无人船具体位置进行奖励值确定，通过这一系列操作实现对奖励值梯度化，在一定的梯度范围内，奖励值的确定主要由x坐标的差距进行决定，使得无人船训练的路径能够更加迅速的收敛于参考路径，这样不但可以有效的解决在不同点的奖励值多样化造成的最优路径收敛慢等问题。还可以使得无人船在距离终点越近对强化学习算法学习速率和更新速率更快，能够解决在以往的无人船路径规划任务中，由于奖励函数设计不合理或奖励值收敛不集中，规划可能存在效率低下、任务无法完成或操作不准确的问题。