面向物流机器人的改进Q-Learning动态避障算法研究.pdfVIP

设计与应用计算机测量与控制.2025.33（3）

ComputerMeasurementControl·267

DOI:10.16526/ki.11-4762/tp.2025.03.034中图分类号：TP242文献标识码：A

文章编号：1671-4598（2025)03-0267-08

面向物流机器人的改进Q-Learning

动态避障算法研究

王力1,2，赵全海1，黄石磊1

（1．河南中烟工业有限责任公司漯河卷烟厂，河南漯河462005;

2．中国人民解放军战略支援部队信息工程大学，郑州450000)

摘要：为提升物流机器人（AMR）在复杂环境中的自主导航与避障能力，改善传统Q-Learning算法在动态环境中

的收敛速度慢、路径规划不够优化等问题；研究引人模糊退火算法对Q-Learning算法进行路径节点和搜索路径优化，删

除多余节点和非必要转折；并为平衡好Q-Learning算法的探索和利用问题，提出以贪婪法优化搜索策略，并借助改进动

态窗口法对进行路径节点和平滑加速改进，实现局部路径规划，以提高改进Q-Learning算法在AMR动态避障中的搜索

性能和效率；结果表明，改进Q-Learning算法能有效优化搜索路径，能较好避开动态障碍物和静态障碍物，与其他算法

的距离差幅至少大于1m；改进算法在局部路径中的避障轨迹更趋近于期望值，最大搜索时间不超过3s，优于其他算

法，且其在不同场景下的避障路径长度和运动时间减少幅度均超过10%，避障成功率超过90%；研究方法能满足智慧仓

储、智能制造等工程领域对物流机器人高效、安全作业的需求。

关键词：物流机器人；Q-Learning算法；DWA；多目标规划；障碍物；避障

ImprovedQ-LearningDynamicObstacleAvoidance

AlgorithmforLogisticsRobots

WANGLi-2,ZHAOQuanhai,HUANGShileil

(1.LuoheCigaretteFactory,HenanTobaccoIndustryCo.,Ltd.,Luohe462005,China;

2.InformationEngineeringUniversity,StrategicSupportForceoftheChinesePeoples

LiberationArmy,Zhengzhou450000,China)

Abstract:Toenhancetheautonomousnavigationandobstacleavoidancecapabilitiesoflogisticsrobots(AMRs)incom-

plexenvironments,andtoaddresstheissuesofslowconvergencespeedandnotoptimizedpathplanningintraditionalQ-

Learningalgorithmswithindynamicsettings,thispaperintroducesafuzzyannealingalgorithmtooptimizepathnodesand

searchpathsintheQ-Learningalgorithm,andeliminateredundantnodesa