一种基于深度强化学习的蛇形机器人三维路径规划方法

本发明属于蛇形机器人路径规划技术领域，公开了一种基于深度强化学习的蛇形机器人三维路径规划方法。该方法通过改进的A*算法与D3QN深度强化学习模型相结合，优化蛇形机器人在复杂三维环境中的路径规划效率与能量消耗。采用双深度Q网络（D3QN）实现路径中的动态优化，通过TCP‑IP协议与控制系统通信，基于改进后的能量消耗评估模型，实现了机器人路径规划中的能量消耗最小化与路径选择精度的提高。本发明在传统A*算法基础上进行改进，通过D3QN模型优化启发式函数，有效降低了三维空间内路径规划中的计算量，同时提升了路径规划的适应性与准确性，实现了蛇形机器人的高效能量管理和精准路径规划。