通过深度强化学习在未知环境中高效导航胶体机器人
软凝聚态物质
2019-08-01 v2 机器学习
摘要
为活性胶体机器人赋予智能，使其能在未知复杂环境中高效导航，将极大影响其在精准手术和靶向给药等新兴应用中的使用。本文开发了一种无模型深度强化学习，可训练胶体机器人在含随机障碍的未知环境中学习有效导航策略。我们表明，受训机器人智能体仅基于局部感官输入、无需全局环境先验知识，即可就避障和最短行进时间做出导航决策。此类具有生物启发机制的智能体能在含多种形状、尺寸与构型障碍物的大规模复杂环境中获得有竞争力的导航能力。本研究展示了人工智能在未来应用中工程化活性胶体系统以及构建具视觉与学习能力的复杂活性系统方面的潜力。
引用
@article{arxiv.1906.10844,
title = {Efficient Navigation of Colloidal Robots in an Unknown Environment via Deep Reinforcement Learning},
author = {Yuguang Yang and Michael A. Bevan and Bo Li},
journal= {arXiv preprint arXiv:1906.10844},
year = {2019}
}
备注
6 pages, 5 figures