机器人路径规划

一、实验任务

1 设计一个有障碍物的地图，用户可以修改障碍物布局，可以指定起点和终点

2 编程实现Q-learning算法，用于机器人规划最短路径，学习算法参数可以由用户设置

3 使用可视化界面演示Q值变化过程及最短路径探测过程

二、文件描述

maze.py：迷宫类

draw.py：迷宫可视化

--draw_maze(ax, my_maze, label)：绘制迷宫

--draw_track(ax, my_maze, step)：绘制智能体运动轨迹

--draw_qtable(ax, my_maze, Q_table, step)：绘制Q-Table变化

main.py：主程序，求解路径规划

--q_value(self, state)：求Q(s, *)

--predict(self, state)：贪心策略求a = maxQ(s, *)

--train(self, ax1, ax2)：迭代更新Q-Table

三、运行示例

Figure1：Q-Table的变化过程，箭头指向Q值最大的运动方向
Figure2：智能体的运动轨迹