基于模型的机器人强化学习研究综述

来源 :模式识别与人工智能 | 被引量 : 0次 | 上传用户:wgm740821
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的模型学习方法具体介绍前向动力学模型、逆向动力学模型和隐式模型.模型利用的方法具体介绍基于模型的规划、基于模型的策略学习和隐式规划,并对其中存在的问题进行探讨.最后,结合现实中机器人学习任务面临的问题,介绍基于模型的强化学习在其中的应用,并展望未来的研究方向.
其他文献
对薄煤层开采自动化控制关键技术展开研究.采用多传感器融合技术获得采煤机和液压支架的准确位置和支护状态.以自动化控制模型为依据,设计基于液压支架位姿的“降-移-升”调控技术以适应薄煤层破碎顶板的快速支护要求,研究与采煤机速度相配合的刮板输送机顺序推移技术保证刮板输送机能自动推移到位,设计采煤机滚筒自适应调高方法以适应薄煤层工作面多变的底板条件,使采煤机、液压支架、刮板输送机在薄煤层现场条件下能达到较好的推移位姿状态.