一种基于深度强化学习的蛇形机器人三维路径规划方法技术

本发明专利技术属于蛇形机器人路径规划技术领域，公开了一种基于深度强化学习的蛇形机器人三维路径规划方法。该方法通过改进的A*算法与D3QN深度强化学习模型相结合，优化蛇形机器人在复杂三维环境中的路径规划效率与能量消耗。采用双深度Q网络（D3QN）实现路径中的动态优化，通过TCP‑IP协议与控制系统通信，基于改进后的能量消耗评估模型，实现了机器人路径规划中的能量消耗最小化与路径选择精度的提高。本发明专利技术在传统A*算法基础上进行改进，通过D3QN模型优化启发式函数，有效降低了三维空间内路径规划中的计算量，同时提升了路径规划的适应性与准确性，实现了蛇形机器人的高效能量管理和精准路径规划。

【技术实现步骤摘要】

本专利技术属于机器人路径规划，尤其涉及一种基于深度强化学习的蛇形机器人三维路径规划方法，该方法通过改进后的a*算法结合d3qn模型，优化蛇形机器人在复杂三维环境中的路径选择及能量消耗，从而实现高效的路径规划和低能耗的运动控制。

技术介绍

1、随着机器人技术的不断发展，蛇形机器人凭借其高度灵活的身体结构，在复杂环境中展现出显著的适应性。这种机器人能够在丛林、沙漠、岩石等复杂地形中进行高效运动，适用于搜索、救援和环境检测等任务。然而，尽管蛇形机器人具备在多样环境中活动的潜力，但在面对复杂的三维环境时，其路径规划效率和能量管理仍存在诸多不足。

2、现有的路径规划方法，如经典的a*算法，虽然在寻找从起点到终点的路径上表现良好，但在能量消耗、复杂路径选择和三维空间适应性上存在局限。传统算法通常基于距离优化，缺少对能量消耗的考虑，难以应对蛇形机器人在复杂环境中的持续高效运行。为解决这些问题，近年来逐渐引入了人工智能方法，特别是深度强化学习，期望通过自主学习来动态优化路径选择和能量消耗。然而，当前的深度强化学习算法在实际应用中仍面临算法复杂度高、实时性不足等本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于基于改进的A*算法与D3QN模型，优化蛇形机器人在三维空间中的路径规划及能量消耗，通过D3QN模型学习三维环境特征并改进A*算法的启发式函数权重以实现路径优化，并基于改进A*算法扩展至三维空间的路径搜索。

2.根据权利要求1所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，所述D3QN模型通过双Q网络分别估算当前状态价值与未来状态价值，从而实现启发式函数的动态优化，降低路径规划过程中的能量消耗。

3.根据权利要求1或2所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，在A*...

【技术特征摘要】

1.一种基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于基于改进的a*算法与d3qn模型，优化蛇形机器人在三维空间中的路径规划及能量消耗，通过d3qn模型学习三维环境特征并改进a*算法的启发式函数权重以实现路径优化，并基于改进a*算法扩展至三维空间的路径搜索。

2.根据权利要求1所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，所述d3qn模型通过双q网络分别估算当前状态价值与未来状态价值，从而实现启发式函数的动态优化，降低路径规划过程中的能量消耗。

3.根据权利要求1或2所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，在a*算法的启发式函数中综合考虑路径长度、角度变化和垂直移动的能量消耗，形成能量消耗评估模型，对路径规划进行能量消耗优化。

4.根据权利要求3所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，所述a*算法的运动方向从二维的8个方向扩展为三维的26个方向，包括沿x、y、z轴的基本运动方向和三轴之间的对角线方向。

5.根据权利要求3所述的基于深度强化学习的蛇形机器人三维路径规划方法，其特征在于，所述能量消耗评估模型通过路径长度、角度变化和垂直移动消耗计算总能量消耗，路径长度权重、角度权重及垂直移动权重依据具体应用需求调整，以平衡不...

【专利技术属性】
技术研发人员：谷阳，王泽霖，黄忠，刘慧舟，黄梦醒，毋媛媛，肖剑，
申请(专利权)人：海南大学，
类型：发明
国别省市：