一种移动机器人深度强化学习控制方法
公开
摘要
本发明涉及一种移动机器人深度强化学习控制方法，属于机器人智能控制技术领域。在机器人学习行为策略阶段，本发明在最大熵强化学习框架下提出了一种具有历史行为重用的off‑policy似然比策略梯度模型学习算法，用于对移动机器人进行端对端的行为控制。该方法提高了机器人行为学习过程中数据的利用率，从而提高了学习速度和采样效率，节省了机器人与环境的交互成本。同时，在对机器人的行为策略模型进行评估阶段，本发明提出了一种统一的评价网络模型来同时逼近状态值函数和动作值函数，通过该评价网络可以直接给出一个状态和动作的优势函数。相对于使用两个网络分别逼近状态值函数和动作值函数，该评价网络具有学习速度快、能够减小参数累积误差的优势。
基本信息
专利标题 ：
一种移动机器人深度强化学习控制方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114626505A
申请号 ：
CN202210207885.7
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
马宏宾张华卿金英
申请人 ：
北京理工大学
申请人地址 ：
北京市海淀区中关村南大街5号
代理机构 ：
北京正阳理工知识产权代理事务所(普通合伙)
代理人 ：
张利萍
优先权 ：
CN202210207885.7
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
