一种基于Transformer-DQN的移动机器人的导航方法及装置

本申请涉及机器人路径规划技术领域，具体而言，涉及一种基于Transformer‑DQN的移动机器人的导航方法及装置，一定程度上可以解决现有的算法在复杂动态环境中算法收敛时间较慢，路径规划策略性能较差等问题。该方法通过多传感器融合感知环境，获取环境信息及状态信息；再利用DQN算法获得的最优策略得到当前移动机器人的期望动作；按照当前期望动作，控制移动机器人的运动。该技术方案通过设置考虑多种因素的奖励函数来与移动机器人交互，提升了算法的精确性；在训练过程中，设置可调整的贪婪因子的衰减方式，平衡移动机器人在不同复杂程度的环境中的探索与学习，将Transformer模型引入经验回放机制中，捕捉经验之间的长期依赖关系，加强机器人学习效果，提高了训练效率。