公园漫步：基于无模型强化学习在20分钟内学会行走
机器人学
2022-08-17 v1 人工智能
摘要
深度强化学习是一种有前景的方法，用于在不需要领域知识的非受控环境中学习策略。不幸的是，由于采样效率低，深度RL应用主要集中于仿真环境。在这项工作中，我们展示了近期机器学习算法和库的进展结合精心调优的机器人控制器，能够在现实世界中仅用20分钟学会四足 locomotion。我们在若干已知对经典基于模型的控制器具有挑战性的室内和室外地形上评估了我们的方法。我们观察到机器人能够在所有上述地形上稳定学会行走步态。最后，我们在仿真环境中评估了我们的设计决策。
引用
@article{arxiv.2208.07860,
title = {A Walk in the Park: Learning to Walk in 20 Minutes With Model-Free Reinforcement Learning},
author = {Laura Smith and Ilya Kostrikov and Sergey Levine},
journal= {arXiv preprint arXiv:2208.07860},
year = {2022}
}
备注
First two authors contributed equally. Project website: https://sites.google.com/berkeley.edu/walk-in-the-park