基于逆向强化学习的移动机器人拟人化路径规划方法

摘要

本发明涉及一种基于逆向强化学习的移动机器人拟人化路径规划方法，包括：创建运动规划场景，作为地图，根据机器人在所述地图上的信息采集数据集；规定一个训练轮回的场景数，所述训练轮回的场景数的数量与所述数据集中的训练集中场景数的数量相同；计算当前场景的代价地图；在所述代价地图中机器人自主重复规划多次路径，计算规划路径的特征和以及所述数据集中示范路径的特征和；判断示范路径与规划路径是否同伦，根据同伦结果结合两条路径的长度判断是否引入惩罚函数增加规划路径的特征和。本发明有利于形成更为安全可靠、自然舒适的路径。