Нечеткое управление автономным мобильным роботом с подкрепляемым обучением

Abstract

Статья посвящена разработке метода автономной навигации колесных мобильных роботов в неиз- вестной среде с комбинированным применением нечеткой модели и RL-обучения, который позволяет после- довательно улучшать набор нечетких правил системы, используя сигналы подкрепления. Реализуемые ро- ботом действия для различных типов препятствий основаны на измерениях датчиков для определения по- ложения цели и оценивания расстояния до препятствий. Вычислительная трудоемкость предлагаемого метода позволяет его реализовать в реальном масштабе времени

У роботі розглянуто задачу автономної навігації колесного мобільного робота з використанням навчання з підк- ріпленням (RL-навчання) та нечітких регуляторів. База правил системи автономної навігації робота покращується в процесі навчання з використанням сигналу підкріплення. Розглянуто приклади моделювання навігації мобільного робота у різних середовищах. Застосування наведеного підходу дозволяє враховувати конфігурації перешкод та корегувати стратегію навігації для поліпшення якості системи

The task of autonomous navigation of the wheeled mobile robots with the use of reinforcement learning (RL- learning) and fuzzy controllers is examined in the article. The rule base of the system of autonomous navigation of robot gets better in the process of learning with the use of reinforcement signal. The examples of design of mobile robots navigation in different environments are considered. Application the presented approach over allows to take into account configurations of obstacles and correct strategy of navigation for the improvement of the system quality