论文部分内容阅读
自动导引车(Automated?Guided?Vehicle,?AGV)的自主路径规划是离散制造智能工厂中物流系统的重要组成部分,AGV可以大大提高离散智能制造的智能化和自动化能力,?而传统的AGV导航方式自由度较低.本文研究面向离散制造智能工厂场景下的AGV自主路径规划问题,?应用深度强化学习方法提高自主路径规划的自由度.设计了一种多模态环境信息感知的神经网络结构,?并将AGV在全局障碍下的路径规划预训练策略引入到复杂的离散制造智能工厂场景下的路径规划,?实现了AGV从环境感知到动作决策的端到端路径规划.实验结果表明,?采用本文提出算法的AGV能够在复杂的离散制造智能工厂环境进行自主规划路径,?并具有较高的成功率和避障能力.