龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：常州大学
摘要：本发明涉及路径规划技术领域，尤其涉及基于分布强化学习和保守约束的移动机器人路径规划方法，包括采集机器人状态信息；通过分位数回归神经网络将提取到的状态信息和动作信息生成分位数；使用Huber函数计算TD误差的损失，并与保守约束项加权求和，通过反向传播更新Critic网络的参数，使Critic网络逼近值函数；结合保守强化学习框架，选用KL散度度量奖励分布的调整程度，降低策略过度优化的风险，提高学习到的策略性能；并利用Conservative框架下的CSL项指导Actor网络选择最优动作。本发明解决现有方法无法获取动作价值的完整概率分布信息；以及现有神经网络函数逼近带来的Q值高估问题。
主权项：1.基于分布强化学习和保守约束的移动机器人路径规划方法，其特征在于，包括以下步骤：步骤一、采集机器人自身状态、目标状态和障碍物状态的状态信息；步骤二、将状态信息输入Actor-Critic网络，利用Critic网络对经验池中机器人收集的与环境交互获得的样本进行采样和前向传播；并通过分位数回归神经网络将提取到的状态信息和动作信息生成分位数；使用Huber函数计算TD误差的损失，并与保守约束项加权求和，通过反向传播更新Critic网络的参数，使Critic网络逼近值函数；步骤三、结合保守强化学习框架，选用KL散度度量奖励分布的调整程度；并利用Conservative框架下的CSL项指导Actor网络选择最优动作。
全文数据：
权利要求：
百度查询： 常州大学 基于分布强化学习和保守约束的移动机器人路径规划方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号