一种用于研究机器人足球中强化学习与仿真到实域迁移的框架
机器人学
2020-08-31 v1 人工智能
机器学习
摘要
本文介绍了一个称为 VSSS-RL 的开放框架，用于研究机器人足球中的强化学习（RL）与仿真到实域（sim-to-real）迁移，重点关注 IEEE 极小尺寸足球（VSSS）联赛。我们提出了一种模拟环境，可在其中训练连续或离散控制策略以控制足球智能体的完整行为，以及一种基于域适应的仿真到实域方法，将所得策略适配到真实机器人。我们的结果表明，训练所得策略学会了大量难以用手工控制策略实现的行为。借助 VSSS-RL，我们能在 2019 年拉丁美洲机器人竞赛（LARC）中击败人工设计策略，在 21 支队伍中获第 4 名，成为首个在该竞赛中成功应用强化学习（RL）的团队。环境与硬件规范均开源，以允许我们的结果可复现及进一步研究。
引用
@article{arxiv.2008.12624,
title = {A Framework for Studying Reinforcement Learning and Sim-to-Real in Robot Soccer},
author = {Hansenclever F. Bassani and Renie A. Delgado and José Nilton de O. Lima Junior and Heitor R. Medeiros and Pedro H. M. Braga and Mateus G. Machado and Lucas H. C. Santos and Alain Tapp},
journal= {arXiv preprint arXiv:2008.12624},
year = {2020}
}