利用粗糙模拟器训练数据的软体机械臂Q-learning控制方法
机器人学
2024-10-28 v1
摘要
控制软体机器人具有挑战性，强化学习方法已应用其中并展现出有前景的结果。然而，由于样本效率低下，强化学习方法需要大量训练数据，这限制了其应用。本文中，我们为物理软体机器人提出一种Q-learning控制器，其中使用来自粗糙模拟器的数据预训练模型以提升控制器性能。我们在我们的软体机器人，即蜂窝气动网络（HPN）臂上实现了该方法。实验表明，预训练模型的使用不仅能减少真实世界训练数据的数量，还能大幅提升其精度与收敛速率。
引用
@article{arxiv.2109.05795,
title = {A Q-learning Control Method for a Soft Robotic Arm Utilizing Training Data from a Rough Simulator},
author = {Peijin Li and Gaotian Wang and Hao Jiang and Yusong Jin and Yinghao Gan and Xiaoping Chen and Jianmin Ji},
journal= {arXiv preprint arXiv:2109.05795},
year = {2024}
}
备注
This work has been submitted to the IEEE ROBIO 2021 for possible publication