第２９卷第１期计算机集成制造系统Ｖｏｌ．２９Ｎｏ．１２０２３年１月ＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＪａｎ．２０２３ＤＯＩ：１０．１３１９６／ｊ．ｃｉｍｓ．２０２３．０１．０２０收稿日期：２０２１－１０－０９；修订日期：２０２２－０２－２９。Ｒｅｃｅｉｖｅｄ０９Ｏｃｔ．２０２１；ａｃｃｅｐｔｅｄ２９Ｆｅｂ．２０２２．基金项目：国家重点研发计划资助项目（２０２１ＹＦＢ１７１５７００）；国家自然科学基金资助项目（５２１７５４５１）。Ｆｏｕｎｄａｔｉｏｎｉｔｅｍｓ：ＰｒｏｊｅｃｔｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍ，Ｃｈｉｎａ（Ｎｏ．２０２１ＹＦＢ１７１５７００），ａｎｄｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎ，Ｃｈｉｎａ（Ｎｏ．５２１７５４５１）．复杂动态环境下基于深度强化学习的ＡＧＶ避障方法蔡泽，胡耀光＋，闻敬谦，张立祥（北京理工大学工业与智能系统工程研究所，北京１０００８１）摘要：为提升自动导引车（ＡＧＶ）在智能工厂复杂动态环境下的避障能力，使其能在全局路径引导下安全、高效地完成避障任务，提出一种基于深度强化学习的局部避障方法。首先，将避障问题表示为部分观测马尔可夫决策过程，详细描述了观测空间、动作空间、奖励函数和最优避障策略，通过设置不同的奖励实现以全局路径引导局部避障规划；然后，在此基础上，采用深度确定性策略梯度算法训练避障策略；最后，建立了仿真实验环境，并设计多种实验场景来验证所提方法的有效性。实验结果表明，所提方法可以应对复杂动态环境，减小避障时间与距离，提高运行效率。关键词：动态避障；深度强化学习；全局路径引导；智能工厂中图分类号：ＴＨ１６６文献标识码：ＡＣｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｆｏｒＡＧＶｂａｓｅｄｏｎｄｅｅｐｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｉｎｃｏｍｐｌｅｘｄｙｎａｍｉｃｅｎｖｉｒｏｎｍｅｎｔＣＡＩＺｅ，ＨＵＹａｏｇｕａｎｇ＋，ＷＥＮＪｉｎｇｑｉａｎ，ＺＨＡＮＧＬｉｘｉａｎｇ（ＬａｂｏｒａｔｏｒｙｏｆＩｎｄｕｓｔｒｉａｌａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１０００８１，Ｃｈｉｎａ）Ａｂｓ...
