Алгоритм огибания препятствий при перемещении мобильного робота с использованием Q-обучения и технологии блокчейн
Another Title
Algorithm for obstacle avoidance in mobile robot navigation using Q-learning and blockchain technology
Bibliographic entry
Сидоренко, А. В. Алгоритм огибания препятствий при перемещении мобильного робота с использованием Q-обучения и технологии блокчейн = Algorithm for obstacle avoidance in mobile robot navigation using Q-learning and blockchain technology / А. В. Сидоренко, Н. А. Солодухо // Системный анализ и прикладная информатика. – 2025. – № 2. – С. 26-31.
Abstract
Предложен алгоритм моделирования движения робота с огибанием препятствий при использовании метода машинного Q-обучения. Применение Q-обучения позволяет сохранять полученные при моделировании вознаграждения, выполняя оптимальные действия в каждом конкретном состоянии, при этом в Q-таблице содержится информация о состоянии и действии робота. Сохранение Q-таблицы в блокчейне с использованием технологии IPFS (InterPlanetary File System) позволяет надежно и децентрализованно хранить данные о состояниях и действиях робота. Контент адресации в IPFS отделяет данные от их местоположения и извлекает файлы из нескольких источников в пиринговом режиме. Для предложенного алгоритма проведен вычислительный эксперимент с применением среды моделирования движения робота. В пакете визуализации Gazebo 11 показано, что с использованием нового алгоритма препятствия огибаются быстрее (на 59,8 %), чем при использовании предыдущей версии алгоритма.
Abstract in another language
A robot movement modeling algorithm with obstacle avoidance using the Q-learning machine learning method is proposed. Q-learning allows for preserving the rewards obtained during modeling by performing optimal actions in each specific state. The Q-table contains information about the state and actions of the robot. Storing the Q-table in the blockchain using IPFS (InterPlanetary File System) technology ensures reliable and decentralized storage of data about the robot's states and actions. Content addressing in IPFS separates the data from its location and retrieves files from multiple sources in a peer-to-peer mode. A computational experiment for the proposed algorithm was conducted using a robot movement simulation environment. In the Gazebo 11 visualization package, it was shown that using the new algorithm, obstacles are avoided faster (by 59.8 %) compared to the previous version of the algorithm.
View/
Collections
- № 2[9]