一种基于深度强化学习的全局-局部协作轨迹规划方法

本发明公开了一种基于深度强化学习的全局‑局部协作轨迹规划方法，该方法包括如下步骤：开始运动，前进步数小于200时随机选择是否进行重规划和dwa的动态权重参数。步数大于200后将S传入evaluate network选择当前的动作。选择完动作后再环境中前进一步得出下一步的状态S’。根据S和S’可以计算出R值，再将[S,A,R,S’]存入记忆库。从记忆库中抽取[S,A,R,S’]训练，每5步学习一次。本发明通过深度强化学习构建了一个自主策略空间、突破了传统A*算法的静态环境假设，并进行了多目标协同优化、并进行多目标协同优化，形成应对巨大未知障碍的全局再规划决策能力，显著提高路径平滑性和环境动态适应性。实验结果表明，本发明提高了大型障碍物周围的路径平滑度,并缩短了路径长度。