基于动态视场的深度启发改进3维A*算法

来源：机器人杂志2024年第5期北京时间：

作者：黄书峤, 伍锡如, 黄国明

摘要：针对A*算法在山地场景下因启发函数建模不准确导致搜索效率低的问题, 提出基于动态视场的深度启发改进3维A*算法。该改进A*算法以一种深度启发网络构建启发函数模型, 并从泛化能力和建模精度两方面优化模型的性能。在提高泛化能力方面, 设计一种局部动态视场模型, 增强深度启发网络对关键地形信息的抓取能力, 进而使其适应各种不同地形场景; 在提高建模精度方面, 设计一种基于距离权重因子的损失函数模型, 缩小3维场景下深度启发网络对远距离路径的代价估计偏差。仿真实验表明, 所提出的算法相比于现有基于深度学习法改进的A*算法, 在3维场景下的路径代价预测精度平均提高45.2%, 平均搜索效率提升12.8%, 平均路径质量提升1.2%;对比现有基于经验建模法改进的A*算法, 搜索效率亦有明显提高。

关键词：3维路径规划, A*算法, 启发函数, 动态视场, 山地移动机器人