基于深度强化学习的水下航行器自动避障策略训练方法

一种基于深度强化学习的水下航行器自动避障策略训练方法，首先构建水下航行器的物理与动力学模型、世界与随体坐标系，然后构建基于Gym的算法环境，并定义其状态空间、动作空间、奖励函数和结束条件，接着利用四元数变换更新位置与状态空间的参数，然后基于算法环境，利用深度强化学习算法进行训练，获得避障神经网络模型，最后基于该模型，实施避障策略；在应用中，通过构建水下航行器的物理与动力学模型，以准确反映复杂环境，并结合两种坐标系，直观描述航行器的位置和姿态，然后利用深度强化学习，学习复杂避障策略，使其能够扩展到三维空间自动路径规划等任务场景中，以便在未知环境中自主制定导航与避障策略。因此，本发明的适用范围较广。