通过基于深度模型的强化学习学习飞行
机器人学
2020-08-05 v3 人工智能
机器学习
机器学习
摘要
无需依赖工程化模型而学习控制机器人一直是长期目标，有望带来多样而新颖的应用。然而，由于对真实世界交互的高需求，强化学习仅在实时机器人控制上取得了有限影响。本工作中，通过利用习得的无人机动力学概率模型，我们通过基于模型的强化学习为四旋翼学习了一个推力-姿态控制器。不假设任何飞行动力学的先验知识；相反，一个用作生成模型和在线滤波器的序列潜变量模型从原始感官输入中学习得到。控制器和价值函数完全通过生成的潜轨迹传播随机解析梯度来优化。我们展示了“学习飞行”可在单架无人机少于 30 分钟的经验内实现，并且可仅使用机载计算资源和传感器在自构建无人机上部署。
引用
@article{arxiv.2003.08876,
title = {Learning to Fly via Deep Model-Based Reinforcement Learning},
author = {Philip Becker-Ehmck and Maximilian Karl and Jan Peters and Patrick van der Smagt},
journal= {arXiv preprint arXiv:2003.08876},
year = {2020}
}