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：黄书峤, 伍锡如, 黄国明
关键词：3维路径规划, A*算法, 启发函数, 动态视场, 山地移动机器人
针对A*算法在山地场景下因启发函数建模不准确导致搜索效率低的问题, 提出基于动态视场的深度启发改进3维A*算法。该改进A*算法以一种深度启发网络构建启发函数模型, 并从泛化能力和建模精度两方面优化模型的性能。在提高泛化能力方面, 设计一种局部动态视场模型, 增强深度启发网络对关键地形信息的抓取能力, 进而使其适应各种不同地形场景; 在提高建模精度方面, 设计一种基于距离权重因子的损失函数模型, 缩小3维场景下深度启发网络对远距离路径的代价估计偏差。仿真实验表明, 所提出的算法相比于现有基于深度学习法改进的A*算法, 在3维场景下的路径代价预测精度平均提高45.2%, 平均搜索效率提升12.8%, 平均路径质量提升1.2%;对比现有基于经验建模法改进的A*算法, 搜索效率亦有明显提高。
来源：2024年第5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。