TD3水下路径规划算法

连续空间实时避障

针对水下无人航行器在连续动作空间中的局部二维路径规划问题，提出一种改进的TD3深度强化学习算法，通过引入均值函数和动作存储机制，抑制边界动作输出并自适应调整权重，提升规划性能与部署效率。

褚振忠 · Yu, Wang · 朱大奇

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

技术优势

抑制边界动作

在策略梯度中加入均值函数，使输出动作更接近动作空间均值，避免大量边界动作导致的退化。

自动调整权重

基于经验回放缓冲区构建动作存储，实现权重系数的自动调节，减少超参数整定工作量。

更贴近实际航行

在环境变量与奖励函数中引入实时声呐变量，使算法模型更符合真实水下航行情况。

应用场景

• 具身智能：为水下机器人提供连续动作空间的局部路径规划与实时避障能力。
• 先进机器人：改进深度强化学习算法，提升机器人在复杂环境中的自主决策性能。
• 无人机：算法框架可迁移至无人机在连续动作空间下的实时路径规划任务。
• 低空飞行器：适用于低空飞行器在复杂环境中的避障与导航决策。