基于深度强化学习的自适应TBM偏差校正方法，同时考虑物理约束条件

《AUTOMATION IN CONSTRUCTION》：Adaptive TBM deviation correction with deep reinforcement learning considering physical constraints

　　

林鹏辉|张利茂|李永生|吴茂志

• •
  开发了一种基于Dubins理论的强化学习方法，用于隧道掘进机（TBM）的偏差校正。
• •
  自适应Dubins路径为TBM的转向提供了物理上可行的轨迹。
• •
  基于物理信息的环境模型能够实现更高的准确性和可解释性。
• •
  所提出的Dubins引导框架整体校正效果提升了48.0%。
• •
  嵌入几何和物理先验对于智能化的TBM偏差校正至关重要。