基于演员-评论家强化学习生成地球线以预测中点
机器学习
2026-01-06 v5 人工智能
摘要
为在具有无穷小定义度量的流形上找到所有配对的最短路径，我们引入了一个通过递归预测中点来生成这些路径的框架。为学习中点预测，我们提出了一种演员-评论家方法。我们证明了该方法的正确性，并在多个规划任务上进行了实验验证，表明所提出的方法在包括具有复杂运动学的智能体路径规划以及多自由度机器人机械臂运动规划等任务上优于现有方法。
引用
@article{arxiv.2407.01991,
title = {Generation of Geodesics with Actor-Critic Reinforcement Learning to Predict Midpoints},
author = {Kazumi Kasaura},
journal= {arXiv preprint arXiv:2407.01991},
year = {2026}
}
备注
17 pages with 8 pages of appendices and references, 9 figures