基于多策略深度强化学习智能体迭代训练的生物力学姿态稳定
机器人学
2020-08-28 v1 人工智能
摘要
直到成为老年人，我们才意识到自己曾多么理所当然地维持简单的站立姿态。观察人脑实时行使的巨大控制力，激活与停用下肢肌肉并解决多连杆三维倒立摆问题以维持稳定站立姿态，确实令人着迷。在训练人工智能（AI）智能体维持数字肌肉骨骼替身的站立姿态时，由于误差传播问题，这一认识更为明显。本工作中，我们通过引入深度强化学习的迭代训练流程来解决误差传播问题，使智能体能学习一组有限动作及如何协调它们以实现稳定站立姿态。所提训练方法使智能体的站立时长从传统训练方法的4秒提升至所提方法的348秒。该训练方法还使智能体能够泛化并容忍感知与执行噪声近108秒。
引用
@article{arxiv.2008.12210,
title = {Biomechanic Posture Stabilisation via Iterative Training of Multi-policy Deep Reinforcement Learning Agents},
author = {Mohammed Hossny and Julie Iskander},
journal= {arXiv preprint arXiv:2008.12210},
year = {2020}
}
备注
Content: 12 pages, 6 figures. \c{opyright} 2020. This manuscript version is made available under the CC-BY-NC-ND 4.0 license http://creativecommons.org/licenses/by- nc-nd/4.0/