原文传递
一种基于深度强化学习的船舶智能避碰方法
| 题名： | 一种基于深度强化学习的船舶智能避碰方法 |
| 作者： | 陈立家;孙中泽;黄立文;许毅;李胜为 |
| 作者单位： | 武汉理工大学航运学院;内河航运技术湖北省重点实验室;武汉理工大学计算机科学与技术学院 |
| 关键词： | 深度强化学习;D3QN;船舶避碰;船舶领域;智能决策 |
| 摘要： | 文中提出了一种基于深度强化学习（deep reinforcement learning， DRL）的船舶智能避碰方法。该方法利用D3QN（double deep q-learning network with dueling architecture）算法与船舶领域模型，结合《国际海上避碰规则》（COLREGs）的避碰操作规范设计奖励函数，通过时序差分法实现优先经验回放，构建自主避碰的智能体。通过ROS-gazebo搭建仿真环境，构建神经网络处理环境中的视觉与雷达数据，快速有效地获取环境特征信息。结果表明：对比传统DQN算法，该方法具有更好的决策能力，训练时间更短；在避碰过程中可以对会遇局面做出正确的判断，选择符合COLREGs规范的避碰动作，最终可以准确并及时的避让目标船。 |
| 期刊名称： | 武汉理工大学学报（交通科学与工程版） |
| 出版年： | 2023 |
| 期： | 01 |
| 页码： | 191-196 |
检索历史
应用推荐
