《表1 有无障碍物影响下机器人完成采摘任务成功率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度强化学习的虚拟机器人采摘路径避障规划》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先基于本文设计方法进行有无障碍物影响采摘实验。根据障碍物与采摘点的随机生成策略，训练运行结果可分为2类:一类是障碍物对机器人路径规划结果有影响的情况，即机器人在从初始位置到达采摘点的过程中，曾进入障碍物警示区域，避障函数根据接近程度做出惩罚反馈；另一类是障碍物对机器人路径规划结果无影响的情况，即机器人在从初始位置到达采摘点的过程中，从未进入障碍物警示区域，此时避障函数不会做出任何的奖惩反馈。2种情况的成功率如表1所示。可以看出，在各自实验次数为90次、障碍物无影响时，机器人在训练区域采摘的成功率达到98.9%；障碍物有影响时，机器人在训练区域采摘的成功率达到96.7%。结果表明，系统在大多数情况下能够完成避障采摘任务，满足实际采摘需要。其中3次发生碰撞中2次为障碍物和采摘点距离较小的情况，此时虚拟机器人绕行到达采摘点，避障函数和时间函数产生的惩罚之和可能高于其直接碰撞障碍物产生的惩罚，虚拟机器人执行相对评价得分较高的行为导致其采摘失败。在后续的改进中，可针对特殊情况进行特殊奖惩函数的设置，或根据具体环境评估该点是否值得进行采摘，进一步提高系统的鲁棒性。