Предложен алгоритм автономной интеллектуальной навигации автоматического направляемого транспортного средства (AGV) на основе улучшенного метода глубокого детерминированного градиента политики (DDPG). Во-первых, предложена адаптивная стратегия исследования на основе риска окружающей среды, включающая прогнозирование траекторий динамических препятствий; во-вторых, разработана функция награды с многократным взвешиванием целей, направляющая AGV к как можно более быстрому достижению цели при избегании препятствий и выхода за границы; в-третьих, на основе двойного фактора коэффициента риска и свежести опыта извлечение опыта сокращает время обучения и повышает качество обучения; наконец, проигрывание действий во время выполнения дополнительно снижает риск столкновений и выхода за границы. Для проверки эффективности алгоритма проведены имитационные эксперименты при различных числах, размерах и скоростях движения препятствий. Результаты экспериментов показали, что алгоритм навигации AGV на основе улучшенного DDPG имеет средний уровень успеха 94,8%, средний уровень превышения времени менее 3%, средний уровень столкновений менее 2,3%; время обучения и время навигации также короче по сравнению с сопоставимыми алгоритмами, что демонстрирует явные преимущества.

глубокое обучение с подкреплением;DDPG;AGV;интеллектуальная навигация