基于DQN算法的农用无人车作业路径规划

摘要

传统农用无人车作业时常依据人工经验确定作业路线，面对复杂的作业环境时无法保证路径规划的高效性，且传统覆盖路径规划方法聚焦于覆盖率而忽略了车辆作业路线上的损耗。为此，提出一种以减少车辆在路线上的损耗为目标的最优全局覆盖路径规划方法。以深度Q网络(DQN)算法为基础，根据作业时车辆的真实轨迹创建奖励策略(RLP),对车辆在路线上的损耗进行优化，减少车辆的转弯数、掉头数及重复作业面积，设计了RLP-DQN算法。仿真实验结果表明，对比遗传算法、A~*算法等传统路径规划方法，本文RLP-DQN算法综合性能较好，可在实现全覆盖路径规划的同时有效减少路线损耗。

关键词

农用无人车 / 路径规划 / 深度强化学习 / DQN算法

基金资助

辽宁省教育厅高等学校基本科研项目(JYTQN2023060)