摘要
本公开提出了基于DDPG和LSTM的无地图机器人路径导航方法及系统,包括如下步骤:获取机器人的当前的状态信息及目标位置信息;将状态信息及目标相对位置输入至训练好的DDPG‑LSTM模型中输出最优可执行动作数据,使得机器人完成无碰撞的路径导航;将深度确定性策略梯度算法和长短期记忆网络融合应用于机器人路径导航,基于DDPG的神经网络结构进行改进,提出了将卷积神经网络(CNN)及LSTM相结合的网络结构作为DDPG网络结构的一部分,使得该网络结构能够根据输入直接输出动作,使得机器人可以直接接受具体指令实现移动,实现端到端的学习,完成机器人的无地图路径导航。