基于LMDP的机器人任务规划建模
针对经典规划模型和马尔可夫决策过程(MDP)模型的不足,提出了一种轻量马尔可夫决策过程(LMDP)模型.此模型在MDP模型上作了简化,使其既能描述实际任务中不确定性的特点,又有效降低了状态转移的分支系数,从而适用于大规模的问题.另外,利用经典规划领域的启发函数对LMDP问题进行初始化,能够大大加快收敛速度.最后以机器人酒吧任务为例,将此模型与基于MDP模型的Prost规划器在不同问题规模下进行对比,实验结果表明此模型能有效加快求解速度,并能够更好地适应大规模实际环境.
机器人 任务规划 马尔可夫决策过程 不确定性
王雯珊 曹其新
上海交通大学机器人研究所,上海200240
国内会议
大连
中文
58-61
2015-10-22（万方平台首次上网日期，不代表论文的发表时间）