基于强化学习的水面无人艇危险规避方法
针对水而无人艇(USV)在复杂海洋环境下执行任务时需要用户进行干预的问题,本文提出了基于逆向强化学习的行为模仿学习方法.该方法将专家的示教作为学习目标,使得USV能够从专家示教中学习导航行为.首先根据导航任务的应用背景,建立了向专家行为模仿学习的Markov决策模型,然后给出了适用于USV导航行为学习的行为模仿学习算法,该方法基于逆向强化学习根据专家的示教行为计算出具体的回报函数,并得到接近专家策略的最优导航策略.最后经过仿真实验验证,本文所提出的方法能够使USV从专家示教中学习到恰当的导航行为,并从专家示教中获得用户偏好,验证了本方法的有效性.
水面无人艇 危险规避 专家示教 模仿学习 逆向强化学习 回报函数
刘冠群 段立群 吴俊伟 张汝波
大连民族大学机电工程学院,大连市116600 中国科学院沈阳自动化研究所,沈阳市110016
国内会议
哈尔滨
中文
518-522
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）