基于目标驱动的未知环境下移动机器人导航算法
摘要
针对移动机器人在未知环境下执行端到端导航任务时存在的场景感知能力不足、决策过程与环境动态解耦等问题，提出了一种基于Transformer架构的目标和场景耦合表示的导航算法。首先，将来自视觉传感器的RGB图像融合目标物理状态信息进行嵌入编码，以FastViT （Fast Vision Transformer）为核心，作为感知模块的主要组成部分，对输入数据进行局部以及全局特征提取，学习生成融合目标语义的场景特征表示。其次，结合激光雷达数据输入构建了多模态输入框架，以增强机器人对复杂场景的理解能力，使用SAC（Soft Actor-Critic）深度强化学习算法做出机器人的动作决策。最后，基于安全风险胶囊设计了深度强化学习算法的奖励函数，通过动态量化路径规划中的碰撞风险，提升导航过程的安全性。仿真实验基于GAZEBO平台开展，实验结果表明，相较于同领域主流算法，所提出算法的平均导航成功率提升17.36%，并且能有效规避障碍物。该算法为未知环境下移动机器人的安全导航提供了新的参考。
引用本文（GB/T 7714）
宋先鲁 Song Xianlu, 阚希 Kan Xi, 张永宏 Zhang Yonghong, 等. 基于目标驱动的未知环境下移动机器人导航算法[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。