一种基于多模态信息融合的移动机器人避障策略优化方法

一种基于多模态信息融合的移动机器人避障策略优化方法，对移动机器人进行部分可观马尔科夫决策过程建模；设计新的多模态融合方法，帮助移动机器人在避障过程中获得更优秀的感知能力；针对多模态感知下部署SAC强化学习算法，实现移动机器人的初步避障；针对避障策略函数利用斯坦因变分梯度因子进行避障策略优化；训练修改好的SAC算法模型，并将最终训练好的模型部署到移动机器人中，使其能够更好的完成路径规划。本发明引入了多模态信息融合方法于强化学习算法中，使用斯坦因变分梯度优化策略，提升策略更新效率与训练过程的稳定性，缓解复杂或动态空间下的梯度退化问题，最终完成有效提升路径规划的性能。