深層強化学習を用いた挟路走行環境における車輪型移動ロボットの経路計画に関する研究

カテゴリ: 研究会(論文単位)

論文No: IIC22017

グループ名: 【D】産業応用部門 産業計測制御研究会

発行日: 2022/11/28

タイトル(英語): Path Planning for Wheeled Mobile Robot on Narrow Road Using Deep Reinforcement Learning

著者名: 中村 友亮(神戸大学),小林 聖人(神戸大学),元井 直樹(神戸大学)

著者名(英語): Tomoaki Nakamura(Kobe University),Masato Kobayashi(Kobe University),Naoki Motoi(Kobe University)

キーワード: モーションコントロール|強化学習|移動ロボット|経路計画|挟路|切り返し|motion control|reinforcement learning|mobile robot|path planning|narrow road|turnabout

要約(日本語): 狭路走行環境における車輪型移動ロボットの経路計画手法を提案した。従来の手法は環境情報に基づく切り返し動作の生成が考慮されていないため、狭路にて衝突もしくは停止する可能性がある。本手法では、深層強化学習を用いて切り返しを含むロボットの運動制約に即した制御則を取得する。学習済みモデルは、環境情報をもとに後方への動作を含む速度指令値を決定する。シミュレーション結果により提案手法の有効性が確認された。

要約(英語): This paper proposes a path planning method for wheeled mobile robots using Deep Reinforcement Learning (DRL) to travel on narrow roads. The most conventional path planning methods consider only forward motion based on the surrounding environment. Therefore, it is impossible to achieve the turnabout, and a nonholonomic mobile robot may collide or stop on a narrow road. The proposed method obtained the trained models considering the kinematic constraints of mobile robots by DRL. Considering the turning radius constraint of a nonholonomic mobile robot, an optimal velocity command to maximize the long-term reward is learned. The trained model determines the translational and angular velocities that include negative values based on environmental information in real-time. The effectiveness of the proposed method was confirmed by the simulation results.

本誌: 2022年12月1日-2022年12月2日産業計測制御研究会-1

本誌掲載ページ: 19-24 p

原稿種別: 日本語

PDFファイルサイズ: 1,044 Kバイト