一种基于DQN的移动机器人复杂环境路径规划方法

一种基于DQN的移动机器人复杂环境路径规划方法，涉及路径规划领域，包括以下步骤：数据采集、数据预处理、设计深度Q网络、设计奖励函数和路径规划。本发明使用机器人的状态信息对深度Q网络进行训练，使其学习到通过环境信息来选择动作策略的能力，具有更强的适应性和优越的泛化能力；设计综合启发式奖励，对路径长度、能耗和安全性三方面性能进行了平衡；设计了危险性惩罚函数时综合考虑移动路径与障碍物的距离，地形坡度，坡度的朝向，障碍物方向多种因素，提高了移动机器人任务的安全性；通过引入2.5D分层栅格地图到状态空间中，降低状态空间的维度，分散障碍物信息和地形信息，提高算法的收敛速度、学习效率和路径规划性能。