rSoccer：一个用于研究小型与极小型机器人足球中强化学习的框架
机器学习
2021-06-25 v1 人工智能
机器人学
摘要
强化学习是机器人学中一个活跃的研究领域，有着大量应用，而 RoboCup 竞赛是研究并评估强化学习方法的有趣环境。将强化学习应用于机器人的一个已知难点是需要大量的经验样本，使用仿真环境训练智能体再通过迁移学习转移到真实世界（sim-to-real）是一条可行路径。本文介绍了一个针对 IEEE 极小型足球（Very Small Size Soccer）与小型组联赛（Small Size League）优化的、面向强化学习实验的开源仿真器。我们还提出了一个用于创建 OpenAI Gym 环境的框架，其中包含一组用于评估单智能体与多智能体机器人足球技能的基准任务。随后，我们展示了两种最先进（state-of-the-art）强化学习方法的学习能力，以及它们在该框架所引入的某些场景中的局限性。我们相信这将使更多队伍更容易使用端到端强化学习方法在这些类别中参赛，并进一步推动该研究领域的发展。
引用
@article{arxiv.2106.12895,
title = {rSoccer: A Framework for Studying Reinforcement Learning in Small and Very Small Size Robot Soccer},
author = {Felipe B. Martins and Mateus G. Machado and Hansenclever F. Bassani and Pedro H. M. Braga and Edna S. Barros},
journal= {arXiv preprint arXiv:2106.12895},
year = {2021}
}