利用深度强化学习玩转光镊：在虚拟、物理与增强环境中的实现
机器学习
2020-11-11 v2 人工智能
机器人学
光学
摘要
在模拟环境中进行了强化学习，以学习对多个电机轴的连续速度控制。随后将其应用于真实世界的光镊实验，目标是将激光捕获的微球移动到目标位置，同时避免与其他自由移动的微球发生碰撞。在虚拟环境中训练神经网络的概念，在机器学习用于实验优化与控制方面具有重大潜力，因为神经网络能够发现解决问题的最优方法，且不会造成设备损毁风险，其速度也不受物理环境运动的限制。由于神经网络对虚拟与物理环境同等对待，我们展示了该网络也可应用于增强环境，即虚拟环境与物理环境相结合。该技术可能有潜力释放与混合现实和增强现实相关的能力，例如强制机器运动的安全限制或作为一种输入额外传感器观测的方法。
引用
@article{arxiv.2011.04424,
title = {Playing optical tweezers with deep reinforcement learning: in virtual, physical and augmented environments},
author = {Matthew Praeger and Yunhui Xie and James A. Grant-Jacob and Robert W. Eason and Ben Mills},
journal= {arXiv preprint arXiv:2011.04424},
year = {2020}
}