[发明专利]一种基于双智能体竞争强化学习的机器人路径探索方法

摘要

本发明涉及一种基于双智能体竞争强化学习的机器人路径探索方法，包括以下步骤：S1、构建马尔科夫决策模型，初始化智能体和经验池；S2、记录智能体Agent1当前状态st，探索k步记录当前轨迹序列至经验池Buffer1；S3、将智能体Agent2置于状态st处，智能体Agent2探索k步，记录当前轨迹序列至经验池Buffer2；S4、以探索轨迹之间的相似度作为智能体Agent1的额外奖励，相反数作为智能体Agent2的额外奖励；S5、当经验池中数据数数目满足要求，更新智能体Agent1与Agent2的策略；S6、重复执行步骤S2‑S5，直到智能体Agent1到达目标状态或超出设定时间tlimit；S7、重复执行步骤S1‑S6直到完成设定训练剧集数。与现有技术相比，本发明使智能体能够更有效的探索，加快训练速度，提升样本的利用效率，同时能够有效消除随机噪声，更具有鲁棒性。