基于增强学习的关节型机器人动态操作任务运动规划
Xitong Fangzhen Xuebao / Journal of System Simulation（2006）
摘要
提出增强学习(RL)解决机器人动态操作任务运动规划的方法.对动态操作任务,分析了如何确定输入输出变量以及强化函数的设计问题;给出用于连续输入输出问题的自适应启发评价(AHC)算法.增强学习解决动态操作任务的运动规划问题,只需要机器人正解进行反复尝试即可学会动作,从而避免了常规运动规划方法中涉及的复杂逆解运算;最后以平面3连杆机器人接取自由飞行的球为例进行仿真研究,结果表明了方法的有效性和可行性.
更多查看译文
关键词
Dynamic manipulation task,Motion planning,Reinforcement learning
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要