声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：黄鑫, 张志佳, 孙平, 唐延东, 刘云鹏
关键词：路径规划, 深度学习, 强化学习, 深度强化学习
传统的路径规划方法在复杂多变的环境中存在明显的局限性，本文首先探讨了这些传统方法的不足，接着引入深度强化学习作为新的解决思路。全面总结了基于价值函数、基于策略和基于值策略混合3种深度强化学习方法的原理、优缺点以及近年来在各个应用领域上具有代表性的研究成果，并将代表性算法在统一平台上进行测试，给出了实际对比分析。最后对基于深度强化学习的路径规划技术面临的挑战和研究展望进行了总结。
来源：2026年第1期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。