이 연구는 메모리 기반 심층 강화 학습 (MeSA-DRL) 알고리즘을 제안한다. 이 알고리즘은 장기 메모리를 활용하여 주변 환경에 대한 필수 정보를 유지하고 순차적 의존성을 효과적으로 모델링한다. 또한 인간-로봇 상호작용의 중요성을 인코딩하여 이에 더 높은 주의를 기울인다.
글로벌 플래닝 메커니즘이 메모리 기반 아키텍처에 통합되어 있으며, 동적 경고 구역을 기반으로 한 다중 보상 시스템이 설계되어 장기적인 로봇 행동을 장려하고 부드러운 궤적을 유지하며 목표 도달 시간을 최소화한다.
광범위한 시뮬레이션 실험 결과, 제안된 접근 방식이 대표적인 최신 방법들을 능가하여 실제 시나리오에서의 네비게이션 효율성과 안전성을 입증한다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Mannan Saeed... a las arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05203.pdfConsultas más profundas