基于最小二乘支持向量机的移动机器人导航

侯艳丽

（商丘师范学院计算机与信息技术学院，河南商丘476000）

移动机器人要在未知环境中安全地完成指定任务，导航系统应具有灵活性和适应性，使其能适应工作环境，提高工作效率[1]。要达到这一目的，学习是一个不可缺少的重要环节。强化学习以其自学习和自适应的特点成为求解不完全、离散的马尔可夫决策问题的有效方法，已经广泛应用在机器人研究领域[2-7]。在国内外大量的强化学习研究中，大都把系统的状态看作有限的集合。但是在实际机器人导航中，系统的状态空间往往是连续的，并存在状态变量的空间复杂性问题[8]。为了解决强化学习中的泛化问题，常用神经网络值函数做最优策略逼近[2-7]。尽管这些方法可以提高强化学习的效率，但在理论上是非凸的，容易陷入局部极小。文献[9]提出利用LS-SVM实现由系统状态-动作对到Q值函数的映射，同时为了提高学习速度，引入滚动时间窗。该方法与神经网络相比，泛化能力明显提高，签于此，笔者将其用于CASIA-I的导航控制中。

1 移动机器人模型

安装有触觉红外、近红外和超声等多传感器的CASIA-I利用它们感知障碍物。它们的有效作用距离分别为dch=20 cm，dnear=45 cm和45～350 cm。将这些传感器分成3组：1）由触觉红外ch1～ch3、近红外nh1～nh3和超声ul1～ul3构成；2）由触觉红外ch4～ch8、近红外nh4～nh8和超声ul4～ul8构成；3）由触觉红外ch9～ch11，近红外nh9～nh11和超声ul9～ul11构成。

假设CASIA-I的动作有直行、右转15°，左转15°。直行的最大速度为每步dmax。不管是触觉红外还是近红外，当探测到障碍物时，输出为1，否则，输出为0。取

di为障碍物到超声的距离，ds为事先确定的安全区域的半径，将CASIA-I工作环境分成：