| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 移动机器人导航方法 | 第10-13页 |
| 1.2.1 移动机器人导航概述 | 第10-12页 |
| 1.2.2 强化学习及其在自主导航上的应用 | 第12-13页 |
| 1.3 论文研究的主要内容 | 第13-14页 |
| 2 基于强化学习的移动机器人自主导航问题分析 | 第14-25页 |
| 2.1 强化学习原理及应用 | 第14-18页 |
| 2.1.1 基本原理和模型 | 第14-15页 |
| 2.1.2 Q-learning算法 | 第15-16页 |
| 2.1.3 基于Q-learning算法的移动机器人自主导航仿真 | 第16-18页 |
| 2.2 移动机器人连续状态空间划分问题 | 第18-25页 |
| 2.2.1 区块分割法及状态空间设计 | 第18-20页 |
| 2.2.2 基于模糊逻辑的状态空间划分 | 第20-21页 |
| 2.2.3 仿真对比与分析 | 第21-25页 |
| 3 基于ART2状态分类强化学习的移动机器人自主导航 | 第25-37页 |
| 3.1 ART2神经网络 | 第25-28页 |
| 3.2 移动机器人自主导航框架 | 第28-29页 |
| 3.3 基于资格迹的Q-learning | 第29页 |
| 3.4 算法各要素设计 | 第29-34页 |
| 3.4.1 环境状态表示 | 第29-30页 |
| 3.4.2 动作空间表示 | 第30-31页 |
| 3.4.3 回报函数设计 | 第31-32页 |
| 3.4.4 动作策略选取 | 第32-34页 |
| 3.5 基于ART2神经网络的强化学习移动机器人自主导航 | 第34-37页 |
| 4 平台搭建与实验分析 | 第37-62页 |
| 4.1 基于嵌入式的移动机器人实验平台设计 | 第37-48页 |
| 4.1.1 嵌入式硬件平台和操作系统选型 | 第37-39页 |
| 4.1.2 图像采集系统设计 | 第39-45页 |
| 4.1.3 超声波测距模块 | 第45-47页 |
| 4.1.4 基于Qt的上位机监控软件设计 | 第47-48页 |
| 4.2 仿真实验 | 第48-56页 |
| 4.3 实物实验 | 第56-62页 |
| 5 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |
