RL STaR平台：面向机器人仿真训练的强化学习
机器学习
2020-09-22 v1 人工智能
机器人学
摘要
强化学习（RL）是提升空间机器人自主性与决策能力的有前景领域，由于环境中的随机性与不确定性，传统技术难以应对此类问题。RL可用于实现 infrequent 人类反馈下的月球洞穴探索、更快速安全的月球表面移动，或多机器人系统的协调与协作。然而，使用RL与机器学习进行空间机器人应用研究存在诸多障碍，尤其因 CoppeliaSim 等传统机器人仿真器资源不足。我们的解决方案是一个称为基于仿真的机器人训练强化学习（RL STaR）的开源模块化平台，有助于简化并加速RL在空间机器人研究领域的应用。本文介绍RL STaR平台，以及研究人员如何通过演示使用它。
引用
@article{arxiv.2009.09595,
title = {RL STaR Platform: Reinforcement Learning for Simulation based Training of Robots},
author = {Tamir Blum and Gabin Paillet and Mickael Laine and Kazuya Yoshida},
journal= {arXiv preprint arXiv:2009.09595},
year = {2020}
}
备注
3 figures, 1 table