关键词：机械臂;路径规则;TD3;长短期记忆网络;事后经验回放技术
摘 要：在军事航空领域中，复杂任务对机械臂路径规划提出了挑战。针对双延迟深度确定性策略梯度(TD3)算法学习效率低、样本利用率低的问题，提出了一种改进的TD3算法(Recurrent-TD3算法)。首先，将LSTM结合到策略网络与价值网络中，捕获航空控制任务中的时间序列信息，增强对时间序列变化的响应能力，使其能够在决策时考虑历史动作和状态，提高网络的表达能力；然后，将事后经验回放(HER)技术集成到TD3算法中，以解决任务中稀疏奖励难以学习的问题，通过将未达到目标的经验转化为达到新目标的经验，从而更有效地利用样本；最后，设计了一种基于包围盒的碰撞检测流程，以提高机械臂在军用航空任务中的安全性。实验表明，该算法相比于其他算法能够更快地找到一条无碰撞的路径，且平均路径长度最短。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取