体操机器人阶段性奖励塑形：受限多目标强化学习方法
机器人学
2024-09-25 v1 人工智能
摘要
随着通过强化学习（RL）解决的任务复杂度的增加，奖励函数的定义也变得非常复杂。我们引入了一种旨在通过直观策略简化奖励塑形过程的RL方法。首先，与其使用由多个术语组成的单个奖励函数，我们定义了受限多目标RL（CMORL）框架中的多个奖励和成本函数。对于涉及顺序复杂运动的任务，我们将任务分为 distinct 阶段为每个阶段定义多个奖励和成本。最后，我们引入了一种实际的CMORL算法，该算法根据这些奖励最大化目标，同时满足由成本定义的约束。该方法已在仿真和真实环境中成功应用于各种体操任务。此外，已显示其成功地执行了与现有RL和受限RL算法相比的任务。我们的代码可在 https://github.com/rllab-snu/Stage-Wise-CMORL 查阅。
引用
@article{arxiv.2409.15755,
title = {Stage-Wise Reward Shaping for Acrobatic Robots: A Constrained Multi-Objective Reinforcement Learning Approach},
author = {Dohyeong Kim and Hyeokjin Kwon and Junseok Kim and Gunmin Lee and Songhwai Oh},
journal= {arXiv preprint arXiv:2409.15755},
year = {2024}
}
备注
7 pages