ROS2Learn：一种面向 ROS 2 的强化学习框架
机器人学
2019-03-19 v2 人工智能
机器学习
摘要
我们提出了一种用于模块化机器人中深度强化学习(DRL)的新框架，以利用传统机器人工具直接从关节状态训练机器人。我们使用近端策略优化、信赖域策略优化和 Actor-Critic Kronecker-Factored Trust Region 算法的前沿实现，在四种不同的模块化关节机械臂(MARA)环境中学习策略。我们借助一个与 Gazebo 和机器人操作系统 2 (ROS 2) 等机器人常用典型工具通信的框架来支持这一过程。我们在仿真中对模块化机器人上的若干算法进行了实证研究。
引用
@article{arxiv.1903.06282,
title = {ROS2Learn: a reinforcement learning framework for ROS 2},
author = {Yue Leire Erro Nuin and Nestor Gonzalez Lopez and Elias Barba Moral and Lander Usategui San Juan and Alejandro Solano Rueda and Víctor Mayoral Vilches and Risto Kojcev},
journal= {arXiv preprint arXiv:1903.06282},
year = {2019}
}