弥合差距：基于安全模块的正则化强化学习以改进经典运动规划
机器人学
2024-03-28 v1
摘要
经典导航规划器能够提供安全的导航，尽管通常不是最优的，且在遵循人类规范方面存在不足。基于机器学习的现代自主导航算法能够模仿更自然、更符合人类习惯的导航，但通常需要大量且真实的数据集，且并不总是提供安全保证。我们提出了一种利用经典算法来指导强化学习的方法。这极大地改善了底层强化学习算法的结果和收敛速度，并且无需人类专家的示范来启动该过程。此外，我们加入了一个实用的后备系统，可以切换回经典规划器以确保安全。最终得到一种样本高效的机器学习移动导航方法，该方法建立在经典算法之上，对其进行了改进以确保符合人类习惯，并保证了安全性。
引用
@article{arxiv.2403.18524,
title = {Bridging the Gap: Regularized Reinforcement Learning for Improved Classical Motion Planning with Safety Modules},
author = {Elias Goldsztejn and Ronen I. Brafman},
journal= {arXiv preprint arXiv:2403.18524},
year = {2024}
}
备注
8 pages