利用图像反馈学习控制
机器学习
2021-10-29 v1 人工智能
系统与控制
系统与控制
摘要
利用非传统反馈（例如以快照图像形式）学习控制复杂系统，是机器人学、神经科学与生物学（细胞系统）等不同领域中的重要任务。本文提出一种基于两个神经网络（NN）的反馈控制框架，为以图像形式生成反馈的系统设计控制策略。具体而言，我们开发了深度网络（DQN）驱动的学习控制策略，从编码系统当前状态与控制动作信息的快照图像中综合出控制输入序列。此外，为训练网络我们采用直接误差驱动学习（EDL）方法，利用NN训练误差的一组线性变换来更新各层NN权重。我们通过数值算例验证了所提控制策略的有效性。
引用
@article{arxiv.2110.15290,
title = {Learning to Control using Image Feedback},
author = {Krishnan Raghavan and Vignesh Narayanan and Jagannathan Saraangapani},
journal= {arXiv preprint arXiv:2110.15290},
year = {2021}
}