PTDRL：基于深度强化学习的参数调优
机器人学
2023-06-21 v1
摘要
现有多种自主导航算法可使机器人在安全快速的方式下移动。然而，这些算法许多在面对新环境时需要重新调参。本文提出 PTDRL，一种参数调优策略，从固定参数集中自适应选择那些使给定导航系统期望奖励最大化的参数。我们的学习策略可用于不同环境、不同平台及不同用户偏好。具体而言，我们关注室内空间中的社交导航问题，采用经典运动规划算法作为导航系统并训练其参数以优化行为。实验结果表明，PTDRL 可优于其他在线参数调优策略。
引用
@article{arxiv.2306.10833,
title = {PTDRL: Parameter Tuning using Deep Reinforcement Learning},
author = {Elias Goldsztejn and Tal Feiner and Ronen Brafman},
journal= {arXiv preprint arXiv:2306.10833},
year = {2023}
}