Resumen

La tecnología de navegación permite a los robots interiores llegar a sus destinos de forma segura. Generalmente, las variedades del entorno interior contribuyen a la dificultad de la navegación robótica y perjudican su rendimiento. Este artículo propone un algoritmo de navegación por transferencia y mejora su generalización mediante el uso del aprendizaje profundo por refuerzo y un módulo de autoatención. Para simular el entorno interior sin amueblar, construimos el entorno de navegación interior virtual (VIN) para comparar nuestro modelo y sus competidores. En el entorno VIN, nuestro método supera a otros algoritmos al adaptarse a un entorno interior no visto. El código del modelo propuesto y del entorno de navegación interior virtual serán publicados.

• Materias:Sensores Algoritmo genético Controlador difuso Planificación de ruta
• Subjects:sensors Genetic algorithm Fuzzy controller Path planning
• Palabras claves:Tecnología de navegación; Robots de interior; Algoritmo de navegación de transferencia; Aprendizaje profundo por refuerzo; Módulo de autoatención; Entorno de navegación virtual en interiores (VIN)
• Keywords:Navigation technology; Indoor robots; Transfer navigation algorithm; Deep reinforcement learning; Self-attention module; Virtual indoor navigation (VIN) environment