用于机械臂控制的变分量子软演员-评论家
量子物理
2022-12-23 v1 人工智能
机器学习
摘要
深度强化学习正作为一种有前景的方法兴起，用于机械臂运动的连续控制任务。然而，对于真实世界应用而言，学习鲁棒且通用的控制能力这一挑战远未解决，主要因为该学习范式的两大常见问题：探索策略与缓慢的学习速度，有时被称为“维度灾难”。本工作旨在探索并评估量子计算应用于最先进的连续控制强化学习技术之一——即软演员-评论家（Soft Actor-Critic）——的优势。具体而言，通过量子电路的数字模拟，研究了变分量子软演员-评论家在虚拟机械臂运动上的性能。发现了相较经典算法的量子优势，体现在所需模型训练参数量的显著减少，为进一步的 promising 发展铺平了道路。
引用
@article{arxiv.2212.11681,
title = {Variational Quantum Soft Actor-Critic for Robotic Arm Control},
author = {Alberto Acuto and Paola Barillà and Ludovico Bozzolo and Matteo Conterno and Mattia Pavese and Antonio Policicchio},
journal= {arXiv preprint arXiv:2212.11681},
year = {2022}
}