Science and Technology of Kazakhstan, 2025, № 4, 2025, с. 109-121
ПОСТРОЕНИЕ И ГЕНЕРАЦИЯ ОПТИМАЛЬНЫХ ТРАЕКТОРИИ ПРИ ПОМОЩИ АЛГОРИТМА ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМ DDPG
Аннотация · Abstract
Целью данной работы является исследование эффективности алгоритма глубокого обучения с подкреплением Deep Deterministic Policy Gradient (DDPG) для генерации и оптимизации траекторий агента в задачах с непрерывными пространствами управления. Исследование направлено на демонстрацию возможностей DDPG в условиях ограниченного количества эпизодов и усложнённых задач с препятствиями и множественными целевыми точками. Основное внимание уделяется построению функции награды, учитывающей расстояние до цели, избегание препятствий и успешное достижение целей, а также визуализации полученных траекторий. Показано, что применение алгоритма DDPG позволяет агенту адаптивно обучаться и успешно находить как одиночную, так и множественные цели, формируя эффективные траектории. При этом демонстрируется устойчивость поведения агента к изменениям условий задачи, а также высокая способность к избеганию препятствий. Несмотря на ограниченное число эпизодов, агент в большинстве случаев способен стабильно достигать целей по оптимальным траекториям. Результаты подтверждают перспективность использования DDPG в задачах планирования и управления траекторией, включая робототехнические приложения. Дальнейшие исследования могут быть направлены на расширение среды, увеличение числа целей и внедрение более сложных функций награды. Ключевые слова: обучение с подкреплением, DDPG, генерация траектории, функция награды, непрерывное пространство, робототехника, навигация, планирование движения.
Сведения · Details
- DOI 10.48081/smdb4537
- Журнал · Journal Science and Technology of Kazakhstan
- Язык · Language русский
- Цитирования (Crossref) · Citations 0