用于处理各类机械臂任务的离策深度强化学习算法
机器人学
2022-12-13 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
为避免由于系统复杂性和对数据密度的高要求而造成障碍的传统控制方法，需要开发现代且更高效的控制方法。在这方面，离策且无模型的强化学习算法有助于避免处理复杂模型。在速度和精度方面，它们因利用过往经验学习最优策略而成为显著的方法。在本研究中，使用了三种强化学习算法——DDPG、TD3和SAC，在MuJoCo仿真环境中训练Fetch机械臂完成四项不同任务。这些算法均为离策，并能够通过优化策略和价值函数达到期望目标。在当前研究中，分析了这三种算法在受控环境中的效率和速度。
引用
@article{arxiv.2212.05572,
title = {Off-Policy Deep Reinforcement Learning Algorithms for Handling Various Robotic Manipulator Tasks},
author = {Altun Rzayev and Vahid Tavakol Aghaei},
journal= {arXiv preprint arXiv:2212.05572},
year = {2022}
}