基于分层强化学习的自主管道检测展望
机器人学
2022-11-28 v1 人工智能
摘要
检测与维护是工业管道工厂的两个关键方面。尽管机器人学在管内检测机器人的机械设计上取得了巨大进展，但由于所需执行器数量众多且需要复杂机动，此类机器人的自主控制仍是一个重大开放挑战。为解决该问题，我们研究利用深度强化学习（Deep Reinforcement Learning）实现管内机器人在具有复杂拓扑的管道网络中的自主导航。此外，我们引入基于分层强化学习（Hierarchical Reinforcement Learning）的分层策略分解，以学习鲁棒的高层导航技能。我们表明，策略中引入的分层结构对于解决管道导航任务至关重要，并且是实现优于人类水平控制的导航性能所必需的。
引用
@article{arxiv.2107.03685,
title = {Towards Autonomous Pipeline Inspection with Hierarchical Reinforcement Learning},
author = {Nicolò Botteghi and Luuk Grefte and Mannes Poel and Beril Sirmacek and Christoph Brune and Edwin Dertien and Stefano Stramigioli},
journal= {arXiv preprint arXiv:2107.03685},
year = {2022}
}