深度强化学习下移动机器人导航避障

前言

• 这篇博客不是试图去创造轮子，而是运用现有的技术更好的解决问题，或者说仅仅是解决问题，同时也是对自己现阶段工作记录，以便日后查看。

---

一、运行环境

• macOS High Sierra 10.13.6
• Python 2.7.17 :: Anaconda, Inc.
• tensorflow-1.8.0-cp27-cp27m-macosx_10_13_x86_64

---

二、配置环境

1. 官网下载Anaconda https://www.anaconda.com

2. 为了方便下载资源，推荐更换清华conda镜像

   conda config --prepend channels
   https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

3. 创建虚拟环境

   conda create -n tensorflow python=2.7

• 创建成功如下图
  

• 启动虚拟环境：conda activate tensorflow

• 关闭虚拟环境：conda deactivate

4. 下载基于macOS CPU优化的tensorflow框架

   https://github.com/lakshayg/tensorflow-build

   选择对应版本下载.whl文件

5. 安装tensorflow

   pip install --ignore-installed --upgrade /path/to/binary.whl —user

6. 验证tensorflow是否安装成功

ps:在使用Homebrew过程中 我发现一个有趣的现象

这时会一直卡在update中

解决方案：不要关闭这个终端 打开新的终端界面 输入相同指令 即可跳过update 正常下载

---

三、算法设计

1. 整体结构

LSTM

LSTM

CNN

concat环境信息

DRL移动机器人路径规划决策

深度学习

实时雷达点云信息

自身状态信息

扫描地图图像信息

强化学习

路径规划方案

测试验证

2. 技术实现

• 深度强化学习算法整体结构：
  

• 神经网络结构：
  

• 交互式展示应用核心业务：
  

---

四、具体实现

• 基础知识

1. DQN算法
   
   

2. Double DQN
   

3. Dueling DQN
   

4. 经验优先回放

• 环境信息处理

1. 自身状态信息
   
   包括自身 速度 角速度 到目标点距离 以及与目标点方向夹角 四维信息

2. 雷达信息
   

一次探测360维信息

探测范围360度全视野

因为其产生的点云属于长序列信息，比较难直接拆分成一个个独立的样本来通过CNN进行训练。所以采用LSTM网络来处理LIDAR点云信息，其中cell单元为512个

• 参数设置

1. 控制运动指令集

指令编号	速度	角速度
0	4m/s	-1rad/s
1	4m/s	-0.5rad/s
2	4m/s	0.0rad/s
3	4m/s	0.25rad/s
4	4m/s	1.0rad/s
5	2m/s	-1.0rad/s
6	2m/s	0.0rad/s
7	2m/s	1.0rad/s
8	0m/s	-1.0rad/s
9	0m/s	0.0rad/s
10	0m/s	1.0rad/s

[注： 以上参数仅作为参考 根据实际情况可以成比例修改]

2. 算法参数

参数名	大小
衰减系数	0.99
学习率	0.001
贪婪策略阈值	0.1
记忆池大小	5000
训练步数阈值	50000
训练回合阈值	1200
Q-现实更新步数	500
最小batchsize	32
经验回放终止阈值	0.00001

3. 奖励参数

        # 假如上一时刻到目标的距离<这一时刻到目标的距离就会有负的奖励
        if self.d_last < self.d:
            reward = reward - 0.1 * (self.d - self.d_last)

        if self.d_last >= self.d:
            reward = reward + 0.1 * (self.d_last - self.d)

        # 速度发生变化就会有负的奖励
        reward = reward - 0.01 * (abs(self.w_last - self.cmd[1]) + abs(self.v_last - self.cmd[0]))
        # 到达目标点有正的奖励
        if self.d < self.dis:
            reward = reward + 20

        # 碰撞障碍物以及边界有负的奖励
        for i in range(len(self.obs_pos)):
            if math.sqrt((self.robotstate[0] - self.obs_pos[i][0]) ** 2 + (self.robotstate[1] - self.obs_pos[i][1]) ** 2) < 2:
                reward = reward - 1
                self.done_list = True

        if self.robotstate[0] >= 19.5 or self.robotstate[0] <= -19.5:
            reward = reward - 1
            self.done_list = True

        if self.robotstate[1] >= 19.5 or self.robotstate[1] <= -19.5:
            reward = reward - 1
            self.done_list = True

4. 移动障碍运动规则

        for i in range(2):
            a=random.uniform(0,0.2)
            b=random.uniform(0,0.2)
            for h in range(1,6):    
            self.obs_pos[i][0] =self.obs_pos[i][0] +a
            self.obs_pos[i][1] =self.obs_pos[i][1] +b

        for i in range(2):
            a=random.uniform(0,0.2)
            b=random.uniform(0,0.2)
            self.obs_pos[i+2][0] =self.obs_pos[i+2][0] - a
            self.obs_pos[i+2][1] =self.obs_pos[i+2][1] - b

        for i in range(2):
            a=random.uniform(0,0.1)
            b=random.uniform(0,0.1)
            self.obs_pos[i+4][0] =self.obs_pos[i+4][0] - a
            self.obs_pos[i+4][1] =self.obs_pos[i+4][1] + b

        for i in range(2):
            a=random.uniform(0,0.2)
            b=random.uniform(0,0.2)
            self.obs_pos[i+6][0] =self.obs_pos[i+6][0] + a
            self.obs_pos[i+6][1] =self.obs_pos[i+6][1] - b

        for i in range(2):
            a=random.uniform(-0.1,0.2)
            b=random.uniform(-0.1,0.2)
            self.obs_pos[i+8][0] =self.obs_pos[i+8][0] + a
            self.obs_pos[i+8][1] =self.obs_pos[i+8][1] + b

• 训练结果

第一轮训练 无障碍条件下两次训练

第二轮训练 八个静态障碍条件下训练
第三轮训练 十个动态障碍条件下训练

• 交互式三维展示

1. 主要技术及基本原理
   
   

---

脚手架 简化Spring配置

3. 页面效果展示