基于强化学习的腿式机器人运动控制与决策研究

打开文本图片集

DOI：10.16660/j.cnki.1674-098x.2011-5640-9053

摘  要：传统的腿式机器人在未知环境中进行运动控制和路径规划时收敛速度慢，路径不够优化具有一定的局限性，无法满足运动控制系统对实时性和精确度的要求。针对这一情况，将深度学习的学习能力与强化学习的决策能力有机地结合起来，利用深度学习具有自动特征提取和深度结构的学习优势，以及强化学习在闭环学习系统中对未知环境进行探索、反馈再探索鲁棒性强的特点，从而解决机器人在运动控制中的复杂序贯决策得到最优路径规划，最终实现腿式机器人合理的运动控制与决策。（剩余5012字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。