面向变参数机器人系统的强化学习策略模糊集成
机器人学
2023-11-13 v1 系统与控制
系统与控制
摘要
强化学习（RL）是一种用于控制许多经典控制方法不适用或不足的动态系统的新兴方法。然而，所得策略可能无法泛化到系统可能表现出的参数变化。本文提出一种强大而简单的算法，其中在独立训练以执行相同任务但具有不同系统参数的RL智能体之间促进协作。智能体间的独立性允许利用多核处理来执行并行训练。提供了两个示例以证明所提技术的有效性。主要演示在带有悬挂载荷的 quadrotor 实时实验装置上的跟踪问题中进行。结果表明，集成所开发算法通过降低 RMSE 跟踪误差优于个体策略。该集成的鲁棒性也针对风扰进行了验证。
引用
@article{arxiv.2311.05655,
title = {Fuzzy Ensembles of Reinforcement Learning Policies for Robotic Systems with Varied Parameters},
author = {Abdel Gafoor Haddad and Mohammed B. Mohiuddin and Igor Boiko and Yahya Zweiri},
journal= {arXiv preprint arXiv:2311.05655},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2311.05013