Q-學習法輔助自適應模糊控制在載具跟隨系統之應用

Abstract

本研究利用三種不同控制方法設計在未知環境下的載具跟隨系統，分別為模糊控制、Q-學習法以及Q-學習輔助模糊控制。在研究中，無人差速輪載具經由實驗空間上方的網路攝影機作為感測器，取得前方引導載具位置資訊及自身的位姿資訊，並使用上述三種演算法進行追蹤引導載具，保持安全距離與貼合引導載具路徑之任務。在使用模糊控制的跟隨系統時，須預先藉由專家經驗得出完整的模糊規則，但當複雜環境改變時，所採用之規則庫可能必須調整，然傳統的模糊控制並未提供調整策略，使其缺乏自適應性；在另一方面，Q-學習法能透過不斷與環境互動進行學習，具有自適應的能力，但因須先進行行為探索，使其應用效率低，且因離散化而產生震盪問題；為解決前兩種控制方法的不足，整合的Q-學習輔助模糊控制則，不但在動態環境下具有學習與適應環境的能力，並可透過模糊規則提高Q-學習法的學習速度。依據模擬和實驗結果，本文所發展之三種控制方法皆能實現任務目標，而經由結果比較可得，Q-學習輔助模糊控制確實能結合兩者優點，在實際導航上具有較高的應用價值。