一种基于层次化和模块化学习的导航避障方法,包括:实时构建室内场景地图;基于移动机器人获取的视觉图像、实时构建的场景地图、导航目标图像,设计长期导航目标点生成模型,确定导航目标图像在实时构建的场景地图上的位置;确定基于深度强化学习框架的移动机器人导航避障模型,发布移动机器人导航到预测的长期目标点的速度指令;设计导航结束预测模型,在一定时间间隔后,判断导航是否结束,如果预测的导航并未结束,则重新以上导航目标点生成及导航决策的过程,直到导航结束。本申请解决了现有技术中在没有预设环境地图的情况下,难以安全绕过障碍物并高效导航到指定目标的问题,提高了移动机器人导航技术对复杂多变环境的适应性。
声明:
“基于层次化和模块化学习的导航避障方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)