通过深度强化学习操控平衡球机器人
机器人学
2022-08-23 v1
摘要
平衡球机器人(ballbot)是测试平衡控制器有效性的良好平台。在平衡控制方面,传统的基于模型的反馈控制方法已被广泛使用。然而,接触与碰撞难以建模,并常导致平衡控制失败,尤其是当 ballbot 倾斜角度较大时。为探索 ballbot 的最大初始倾斜角度,我们将平衡控制阐释为使用强化学习(RL)的恢复任务。RL 对于难以建模的系统是一种强大技术,因为它允许智能体通过与环境交互来学习策略。本文中,通过将传统反馈控制器与 RL 方法结合,提出了一种复合控制器。我们通过训练智能体成功执行涉及接触与碰撞的恢复任务,展示了该复合控制器的有效性。仿真结果表明,与传统基于模型的控制器相比,使用复合控制器时 ballbot 能在更大的初始倾斜角度范围内保持平衡。
引用
@article{arxiv.2208.10142,
title = {Learning Ball-balancing Robot Through Deep Reinforcement Learning},
author = {Yifan Zhou and Jianghao Lin and Shuai Wang and Chong Zhang},
journal= {arXiv preprint arXiv:2208.10142},
year = {2022}
}
备注
7+1 pages