区域RL-RRT:融合碰撞概率与区域连通性的RL-RRT路径规划
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。
原文中文,约300字,阅读约需1分钟。
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。