用于机器人插孔装配高效控制的局部连接强化学习方法
机器人学
2022-10-25 v1 系统与控制
系统与控制
摘要
传统的机器人插孔装配控制方法依赖于复杂的接触状态分析。强化学习（RL）正逐渐成为控制机器人插孔装配任务的首选方法。然而，RL的训练过程相当耗时，因为RL方法总是全局连接的，即所有状态分量都被假定为所有动作分量策略的输入，从而增加了待探索的动作空间与状态空间。本文中，我们首先定义连续空间序列化Shapley值（CS3）并构建连接图以厘清动作分量对状态分量的相关性。然后，我们提出一种基于该连接图的局部连接强化学习（LCRL）方法，其消除了无关状态分量对动作分量选择的影响。仿真与实验结果表明，通过LCRL方法获得的控制策略提升了控制过程的稳定性与快速性。LCRL方法将增强数据效率并提高训练过程的最终奖励。
引用
@article{arxiv.2210.13255,
title = {Local Connection Reinforcement Learning Method for Efficient Control of Robotic Peg-in-Hole Assembly},
author = {Yuhang Gai and Jiwen Zhang and Dan Wu and Ken Chen},
journal= {arXiv preprint arXiv:2210.13255},
year = {2022}
}