利用强化学习在复杂运动能力景观中导航的主动粒子
软凝聚态物质
2022-09-08 v1
摘要
随着最小型技术的尺度持续推进至微米尺度以下，为机器人组件配备在有限信息下智能且自主决策的能力变得愈发重要。借助表格 Q-learning 算法，我们设计了一个训练微游动器（microswimmer）的模型，使其在各种不同标量运动能力场给定的环境中快速导航，同时仅接收有限的局部信息。我们将微游动器以首次到达目标的时间所定义的性能与合适的参考情形性能进行比较。我们表明，通过我们的强化学习模型获得的策略确实代表了一种高效导航策略，优于参考情形。通过在训练完成后将游动器置于多种陌生环境中，我们展示了所获策略可泛化至不同类别的随机场。
引用
@article{arxiv.2209.03047,
title = {Active particles using reinforcement learning to navigate in complex motility landscapes},
author = {Paul A. Monderkamp and Fabian Jan Schwarzendahl and Michael A. Klatt and Hartmut Löwen},
journal= {arXiv preprint arXiv:2209.03047},
year = {2022}
}