基于强化学习的无地图机器人导航

导航是移动机器人所需要的最基本的功能之一，允许它们从一个源穿越到一个目的地。传统的办法严重依赖于预先确定的地图的存在，这种地图的取得时间和劳力都很昂贵。另外，地图在获取时是准确的，而且由于环境的变化会随着时间的推移而退化。我们认为，获取高质量地图的严格要求从根本上限制了机器人系统在动态世界中的可实现性。本论文以无地图导航的范例为动力，以深度强化学习(DRL)的最新发展为灵感，探讨如何开发实用的机器人导航。