利用深度强化学习学习空气曲棍球击球控制
机器学习
2017-04-26 v2 机器人学
摘要
我们考虑学习控制策略的任务，该策略用于控制一个在空气曲棍球游戏中击打冰球的机器人机构。控制信号是直接发送给机器人电机的指令。我们采用无模型的深度强化学习框架来学习精确击打冰球以得分的运动技能。我们对标准学习方案提出了某些改进，这些改进使得深度 Q 学习算法在原本可能失败的情况下变得可行。我们的改进包括将先验知识整合到学习方案中，以及考虑经验回放缓冲区中样本分布的变化。最后，我们展示了针对瞄准击球的仿真结果，这些结果证明了该任务的成功学习，以及由于所提出的修改而带来的算法稳定性的提升。
引用
@article{arxiv.1702.08074,
title = {Learning Control for Air Hockey Striking using Deep Reinforcement Learning},
author = {Ayal Taitler and Nahum Shimkin},
journal= {arXiv preprint arXiv:1702.08074},
year = {2017}
}
备注
Corrected typos Graphs added in results section