区域RL-RRT：融合碰撞概率与区域连通性的RL-RRT路径规划
原文中文，约300字，阅读约需1分钟。发表于：。本文解决了高维空间路径规划中时间效率和成功率的平衡问题。提出的Zonal RL-RRT算法结合了kd树分区和Q学习，显著提升了在森林状地图中的路径规划效率，达到了基本采样方法的3倍速度，同时在多种环境中表现出1.5倍于基于启发式的方法的优秀性能，展示了该方法在灵活适应不同环境的潜力。
Zonal RL-RRT算法结合kd树分区与Q学习，解决了高维空间路径规划中的时间效率与成功率平衡问题。在森林状地图中，该算法的路径规划效率是基本采样方法的3倍，且在多种环境中优于基于启发式方法1.5倍。
