一种狭窄区域机器人智能避障强化学习算法

本发明涉及的一种狭窄区域机器人智能避障强化学习算法，通过在训练地图中增加十余种常见狭窄地形，并在目标地形两侧设置路径点，设计以机器人精准穿过路径点为核心的奖励函数，解决现有技术中因模型近似化和训练环境单一导致的复杂地形碰撞率高、路径规划失效的问题。本发明将深度相机数据压缩为56×80维特征矩阵、超声波传感器数据提取为12维距离向量，通过三层感知机网络进行多模态数据融合训练，直接输出包含三个平动速度和三个角速度的6维连续控制量，解决传统算法依赖简化模型导致的尺寸约束感知不精确、动作空间粗糙的问题，实现狭窄区域下机器人六自由度运动的精细化控制，提升复杂障碍物环境中的避障安全性与路径通过率。