《表1 动作设置：深度强化学习在路径规划中的应用研究》
提示：宽带有限、当前游客访问压缩模式
路径规划是机器人的决策器，通过传感器输入，线速度和角速度作为输出。由于DQN是离散输出的算法，因此本文将它的线速度固定为0.15m/s，角速度按表1所示设置。
| 图表编号 | XD00130794100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.30 |
| 作者 | 叶伟杰 |
| 绘制单位 | 广东工业大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 服务器性能参数：深度强化学习在物联网边缘计算中的应用研究》2021.01.25
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 实验参数设置：基于深度强化学习的轨道式巡检机器人巡检驻点规划方法》2021.02.15
- 《表1 重要参数设置值：深度学习法在收入预测问题中的应用》2020.11.15
- 《表1 网络参数设置：深度学习在多时相大棚提取应用研究》2020.12.15
- 《表1 深度学习平台：深度学习在软件定义网络研究中的应用综述》2020.07.01
- 《表1 PPO算法参数：基于深度强化学习的三维路径规划算法》2020.08.01
- 《表2 无人机奖励规则：深度强化学习在室内无人机目标搜索中的应用》2020.09.01
- 《表2 算法对比：深度强化学习在路径规划中的应用研究》2020.03.30
- 《表1 强化学习状态集合：支持强化学习RNSGA-Ⅱ算法在航迹规划中应用》2020.02.01
- 《表5 奖励函数的设置：基于深度强化学习的行星车路径规划方法研究》
- 《表3 参数设置表：基于深度强化学习的行星车路径规划方法研究》
- 《表2 动作划分表：基于深度强化学习的行星车路径规划方法研究》
- 《表1 卷积核参数：基于深度强化学习的行星车路径规划方法研究》
- 《表2 测试函数参数设置：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表3 算法参数设置：改进ACO及其在移动机器人路径规划中的应用》2019.10.08
- 《表1 模拟环境1：蚁群算法在机器人路径规划中的应用研究》2019.04.01
- 《表1 参数设置：基于深度强化学习的移动机器人路径规划》2019.07.01
- 《表1 深度学习框架：深度学习在广电运营分析中的应用研究》2018.01.01
- 《表两种学习算法参数设置：基于模拟退火策略的强化学习路径规划算法》2019.11.15