摘要：針對(duì)傳統(tǒng)增強(qiáng)學(xué)習(xí)方法在運(yùn)動(dòng)規(guī)劃領(lǐng)域,尤其是機(jī)器人避障問(wèn)題上存在容易過(guò)估計(jì)、難以適應(yīng)復(fù)雜環(huán)境等不足,提出了一種基于深度增強(qiáng)學(xué)習(xí)的提升機(jī)器人避障性能的新算法模型。該模型將dueling神經(jīng)網(wǎng)絡(luò)架構(gòu)與傳統(tǒng)增強(qiáng)學(xué)習(xí)算法Q學(xué)習(xí)相結(jié)合,并利用兩個(gè)獨(dú)立訓(xùn)練的dueling網(wǎng)絡(luò)處理環(huán)境數(shù)據(jù)來(lái)預(yù)測(cè)動(dòng)作值,在輸出層分別輸出狀態(tài)值和動(dòng)作優(yōu)勢(shì)值,并將兩者結(jié)合輸出最終動(dòng)作值。該模型能處理較高維度數(shù)據(jù)以適應(yīng)復(fù)雜多變的環(huán)境,并輸出優(yōu)勢(shì)動(dòng)作供機(jī)器人選擇以獲得更高的累積獎(jiǎng)勵(lì)。實(shí)驗(yàn)結(jié)果表明,該新算法模型能有效地提升機(jī)器人避障性能。