基于深度学习的智能机器人环境感知与路径规划算法研究

煦 韩(中国传媒大学海南国际学院，中国)

摘要

随着人工智能技术的迅猛发展，智能机器人在工业制造、物流运输、服务行业等多个领域得到了广泛应用。环境感知与路径规划是机器人自主导航系统的核心技术，直接影响其在复杂动态环境中的作业能力。传统方法受限于环境建模的准确性与计算资源的限制，难以应对非结构化环境下的实时响应需求。本文围绕基于深度学习的环境感知与路径规划技术展开系统研究，从环境感知的图像识别、语义分割到路径规划中的强化学习与端到端模型设计进行深入分析，提出一种融合卷积神经网络（CNN）与深度强化学习（DRL）的路径规划框架。实验结果表明，该方法在提高路径规划效率、应对动态障碍物干扰方面具有良好性能，为智能机器人在复杂场景中的自主决策提供了可行路径。

关键词

智能机器人；环境感知；路径规划；深度学习；强化学习

参考

陈仁祥,祝宇航,杨黎霞,等.规划方法[J].中国惯性技术学报,2024,32(12):1250-1257+1262.

钟本源,张楠,魏少雄.基于粒子群算法的煤矿救援机器人路径规划[J].山东煤炭科技,2024,42(12):96-100+105+120.

仪繁荣.自主导航智能机器人的路径规划算法研究[J].家电维修,2024,(12):89-91.

马海杰,薛安虎.基于深度注意力Q网络的机器人路径规划研究[J].传感器与微系统,2024,43(12):66-70+75.

刘玉炜,王义娜,杨俊友.基于蚁群-双向R RT节点剔除的机械臂路径规划方法[J].机器人技术与应用,2024,(06):20-27.

DOI: http://dx.doi.org/10.12345/bdai.v6i4.30543