Innovations in Science and Technologies 2-jild 8-son (2025) · 95-107-betlar
KO‘P-TUZILMALI MUHITDA TOZALOVCHI ROBOT UCHUN DISTRIBUTIONAL REINFORCEMENT LEARNING ASOSIDAGI MARSHRUT REJALASHTIRISH STRATEGIYASI
Maxsudxonov, Amixon
Annotatsiya
Ushbu maqola nomaʼlum muhitlarda harakatlanuvchi tozalovchi robot uchun yangi marshrut rejalashtirish strategiyasini taklif etadi. Taklif qilingan yondashuv Lightweight Learned Image Denoising with Instance Adaptation (LIDIA) va Deep Q-Network (DQN) texnologiyalarini yagona ramkaga (framework) integratsiyalash orqali amalga oshiriladi. Ushbu kombinatsiya robotlarga ko‘p obʼyektli hududlarda to‘qnashuvsiz harakatlanish imkonini beradi. Birinchi bosqichda, muhitning chuqurlik tasvirlari robotning o‘rnatilgan kamerasidan olinadi. Bu xom tasvirlar odatda shovqinli bo‘lgani sababli, LIDIA texnologiyasi qo‘llanilib, maʼlumotlar kalibrlanadi va tasvir sifati yaxshilanadi.
Muhitda tozalovchi robotPath – planningDistributional reinforcement learningDQN NetworkSub – reward mechanism
Metadata manbasi: jurnal OAI-PMH arxivi · Sindex toʻliq matnni saqlamaydi, manbaga havola beradi.