281
个编辑
更改
跳到导航
跳到搜索
第626行：
第626行： − [[文件:DQN与传统路径规划算法的对比.jpg|缩略图|DQN与传统路径规划算法的对比]]
→机器人控制与路径规划
===机器人控制与路径规划===
===机器人控制与路径规划===
参考综述<ref name="robot">{{cite journal|last1=Sun|first1=Huihui|last2=Zhang|first2=Weijie|last3=Yu|first3=Runxiang|last4=Zhang|first4=Yujie|title=Motion planning for mobile robots—Focusing on deep reinforcement learning: A systematic review|journal=IEEE Access|year=2021|volume=9|pages=69061–69081|doi=10.1109/ACCESS.2021.3076530|publisher=IEEE}}</ref>这些方法都是使用DQN直接从原始传感器数据映射到动作，无需依赖预先构建的环境模型或先验知识。
参考综述<ref name="robot">{{cite journal|last1=Sun|first1=Huihui|last2=Zhang|first2=Weijie|last3=Yu|first3=Runxiang|last4=Zhang|first4=Yujie|title=Motion planning for mobile robots—Focusing on deep reinforcement learning: A systematic review|journal=IEEE Access|year=2021|volume=9|pages=69061–69081|doi=10.1109/ACCESS.2021.3076530|publisher=IEEE}}</ref>这些方法都是使用DQN直接从原始传感器数据映射到动作，无需依赖预先构建的环境模型或先验知识。
* 输入类型：包括RGB图像、深度图像、激光雷达点云等，用于感知环境状态。
* 输入类型：包括RGB图像、深度图像、激光雷达点云等，用于感知环境状态。