Aprendizaje de comportamientos de navegación en planificadores RRT*

• Noé Pérez-Higueras ^[2] ; Luis Merino ^[2] ; Fernando Caballero ^[1]
  1. [1] Universidad de Sevilla

     Universidad de Sevilla

     Sevilla, España

     
  2. [2] Univesidad Pablo de Olavide
• Localización: Actas de las XXXVII Jornadas de Automática: Madrid. 7, 8 y 9 de septiembre de 2016, 2016, ISBN 978-84-9749-808-1, págs. 724-731
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • Este trabajo presenta un algoritmo para el aprendizaje de comportamientos de navegación a partir de demostraciones usando árboles de exploración aleatoria óptimos (RRT*) como planificador de caminos. El algoritmo de aprendizaje combina las técnicas de Inverse Reinforcement Learning (IRL) y RRT* para aprender los pesos de la función de coste a partir de trayectorias de demostración. Esta función de coste puede ser usada más tarde en el algoritmo RRT* permitiendo al robot reproducir el comportamiento deseado en distintos escenarios. El método ha sido probado primero en simulación y luego usando trayectorias reales de un robot en el laboratorio.