基于深度强化学习的地下铲运机连续控制
机器人学
2021-09-22 v4
摘要
本文在仿真环境中研究使用多智能体深度神经网络方法对地下铲运机进行强化学习控制。在每个装载循环开始时，一个智能体从破碎岩石堆的深度相机图像中选择挖掘位置。第二个智能体负责车辆的连续控制，目标是在所选装载点装满铲斗，同时避免碰撞、陷车或丧失地面牵引力。它依赖于运动和力传感器，以及相机和激光雷达。使用soft actor-critic算法，智能体在多个连续装载循环中学习高效装满铲斗的策略，并明显具备适应变化环境的能力。当在奖励中纳入能量使用惩罚时，获得了最佳结果，平均达到最大容量的75%。
引用
@article{arxiv.2103.01283,
title = {Continuous control of an underground loader using deep reinforcement learning},
author = {Sofi Backman and Daniel Lindmark and Kenneth Bodin and Martin Servin and Joakim Mörk and Håkan Löfgren},
journal= {arXiv preprint arXiv:2103.01283},
year = {2021}
}
备注
11 pages, 7 figures