比例积分微分控制器辅助的强化学习用于自主水下航行器路径跟踪
系统与控制
2020-09-24 v2 机器人学
系统与控制
摘要
控制理论为工程师提供了大量工具来设计控制器，以操控动力系统的闭环行为与稳定性。这些方法严重依赖关于支配物理系统的数学模型的见解。然而，若系统高度复杂，则可能难以建立可靠的系统数学模型。若无模型，大多数用于开发控制律的理论工具便失效。在此情形下，机器学习控制器变得有吸引力：这类控制器能够学习并适应复杂系统，在工程师无法之处发展出控制律。本文聚焦于在实际应用中利用机器学习控制器，具体而言，将深度强化学习用于具有六自由度的自主水下航行器的运动控制系统。考虑了两种方法：端到端学习，即航行器完全自主探索解空间以搜寻最优策略；以及 PID 辅助学习，其中 DRL 控制器实质上被拆分为三个独立部分，各自控制其执行器。
引用
@article{arxiv.2002.01022,
title = {Proportional integral derivative controller assisted reinforcement learning for path following by autonomous underwater vehicles},
author = {Simen Theie Havenstrøm and Camilla Sterud and Adil Rasheed and Omer San},
journal= {arXiv preprint arXiv:2002.01022},
year = {2020}
}