基于深度强化学习的轮腿机器人复杂环境导航技能获取
机器人学
2018-04-30 v1 机器学习
机器学习
摘要
移动机器人在复杂动态环境中的导航是一个具有挑战性但重要的问题。由于此类问题固有的奖励稀疏性、时间复杂性以及感觉运动空间的高维性，强化学习方法无法高效求解这些任务。我们提出一种新方法，利用深度强化学习训练动作策略，使轮腿机器人获取导航技能。该策略将高度图图像观测映射为电机指令，以在避开障碍物的同时导航至目标位置。我们提出通过学习并利用若干可控的导航行为来获取多方面的导航技能。我们还引入了一种域随机化技术以提升训练样本的多样性。我们通过实验证明了在数据效率、成功率、对无关感官数据的鲁棒性以及机动技能质量方面的显著提升。
引用
@article{arxiv.1804.10500,
title = {Deep Reinforcement Learning to Acquire Navigation Skills for Wheel-Legged Robots in Complex Environments},
author = {Xi Chen and Ali Ghadirzadeh and John Folkesson and Patric Jensfelt},
journal= {arXiv preprint arXiv:1804.10500},
year = {2018}
}
备注
Submitted to IROS 2018