一种基于强化学习的移动机器人路径规划方法

本发明公开了一种基于强化学习的移动机器人路径规划方法；首先，通过设计一个双经验池分别存储正反两方面的经验，并设置从两个经验池的采样比例，以平衡探索与探索之间的关系，从而加快收敛速度；其次，通过优化排斥力的产生方向，增强了人工势场方法,并用改进后的APF方法取代Double DQN的随机探索策略，进一步加快收敛速度；最后，通过分析路径与障碍物之间的空间关系，消除多余节点，之后使用贝塞尔曲线对路径平滑处理，从而提高路径质量。本发明优化了学习网络训练过程，从而使机器人做出最优的路径规划动作。