Abstract
Метод глубокого детерминированного градиента политики (Deep Deterministic Policy Gradient, DDPG) представляет собой эффективный метод обу-чения с подкреплением, предназначенный для решения задач непрерывного управ-ления. В настоящей работе исследуется применение метода DDPG для генерации оптимальных траекторий движения роботизированных систем с целью обеспечения плавности, эффективности и отсутствия столкновений при перемещении. Основное внимание уделяется разработке функции вознаграждения, обеспечивающей баланс между плавностью траектории, успешным выполнением поставленной задачи и избеганием препятствий. Для обучения и оценки получаемых политик управления формируется моделируемая среда обучения. Результаты экспериментов показывают, что метод DDPG способен генерировать траектории высокого качества. Полученные результаты свидетельствуют о перспективности применения методов глубокого об-учения с подкреплением для оптимизации траекторий движения роботизированных систем в режиме реального времени