深度强化学习用于机器人操作控制：聚焦式微型综述
机器人学
2021-02-09 v1
摘要
深度学习提供了操纵、处理和分析数据的新方式。它有时可达到与人类专家相当或超过的性能，并成为人工智能时代的灵感来源。机器学习的另一子领域强化学习，试图通过与环境的互动寻找最优行为策略。将深度学习与强化学习结合可解决与稀疏奖励信号任务（如机器人操作与控制任务）中数据的维度和可扩展性相关的关键问题，而任一方法单独应用均无法解决。本文呈现近期深度强化学习算法的重要进展，其试图解决机器人操作控制领域应用中的问题，如样本效率与泛化。尽管有这些持续改进，目前以深度强化学习为机器人学习鲁棒且通用的操作技能的挑战对于真实世界应用仍远未解决。
引用
@article{arxiv.2102.04148,
title = {Deep Reinforcement Learning for the Control of Robotic Manipulation: A Focussed Mini-Review},
author = {Rongrong Liu and Florent Nageotte and Philippe Zanne and Michel de Mathelin and Birgitta Dresp-Langley},
journal= {arXiv preprint arXiv:2102.04148},
year = {2021}
}