基于参数化物理模型与乐观驱动探索的模型强化学习
机器学习
2016-03-16 v2 机器人学
摘要
在本文中，我们提出了一种机器人基于模型的强化学习方法，该方法结合了模型辨识与模型预测控制的思想。我们采用基于特征的动力学表示，使得动力学模型能够通过简单的最小二乘过程拟合，而这些特征是从机器人形态的高级规范中识别的，该规范由其连杆的数量与连接结构组成。随后使用模型预测控制在一个乐观的动力学模型下选择动作，从而产生一种高效且目标导向的探索策略。我们给出了涉及摆、cartpole和双摆系统的标准基准问题上的实时实验结果。实验表明，我们的方法能够比先前最优方法显著更快地学习一系列基准任务。为了在一个真实机器人控制任务上评估我们的方法，我们还展示了对一个模拟的7自由度机械臂的实时控制。
引用
@article{arxiv.1509.06824,
title = {Model-based Reinforcement Learning with Parametrized Physical Models and Optimism-Driven Exploration},
author = {Christopher Xie and Sachin Patil and Teodor Moldovan and Sergey Levine and Pieter Abbeel},
journal= {arXiv preprint arXiv:1509.06824},
year = {2016}
}
备注
8 pages