双延迟深度确定性策略的AUV路径规划控制

为了在复杂未知环境中提升水下机器人的实时控制精度,提出一种基于双延迟深度确定性策略的水下机器人路径规划控制方法。在没有环境先验知识的情况下,通过在线测量使用双延迟深度确定性策略算法计算水下无人机的连续控制输入。考虑洋流随机高斯模型,引入一种综合奖励函数,并且提出一种基于阶跃强化学习的六自由度动力学水下无人机自适应运动规划和避障技术。仿真结果表明提出方法能够有效实现位置环境下的高精度实时控制,并且具有一定的泛化能力。