Предложен алгоритм автономной интеллектуальной навигации для автоматического направляемого транспортного средства (AGV) на основе улучшенного глубинного стохастического градиентного метода политики (DDPG). Во-первых, предложена адаптивная стратегия исследования на основе экологического риска, включающая прогнозирование траекторий динамических препятствий; во-вторых, разработана мультицелевая взвешенная функция награды, направляющая AGV на как можно быстрое достижение цели с обходом препятствий и без выхода за границы; в-третьих, основанное на двойном факторе извлечения опыта с учетом коэффициента риска и свежести опыта, сокращается период обучения и повышается качество обучения; наконец, предваривающее проигрывание действий во время работы дополнительно снижает риск столкновений и выхода за границы. Для проверки производительности алгоритма проведены симуляционные эксперименты при различных количествах, размерах и скоростях движения препятствий. Результаты показывают, что алгоритм навигации AGV на основе улучшенного DDPG достигает среднего успеха 94.8%, среднего процента таймаутов менее 3% и среднего процента столкновений менее 2.3%; при этом обучающий цикл и время навигации короче по сравнению с другими алгоритмами, что демонстрирует явное преимущество.

Глубокое усиленное обучение;DDPG;AGV;Интеллектуальная навигация