机构名称：
¥ 1.0
摘要 - 强化学习（RL）在各种计算机游戏和模拟中取得了一些令人印象深刻的成功。大多数这些成功都是基于代理可以从中学习的大量情节。在典型的机器人应用中，可行尝试的数量非常有限。在本文中，我们提出了一种应用于乒乓球机器人示例的样品效率RL算法。在乒乓球中，每个中风都有不同的位置，速度和旋转。因此，必须在高维连续状态空间上找到准确的回报。在几个试验中进行学习，该方法嵌入了我们的机器人系统中。通过这种方式，我们可以使用一个步骤的环境。状态空间在击球时间（位置，速度，旋转）时取决于球，而动作是击球时的球拍状态（方向，速度）。开发了一种基于参与者的确定性策略梯度算法，用于加速学习。我们的方法在模拟和在许多具有挑战性的场景中都具有竞争力。在200次培训发作中，无需预先培训即可获得准确的结果。呈现我们实验的视频可在https://youtu.be/uratdol6wpw上获得。
机器人表网球中的样品效率增强学习*
主要关键词
相关文件推荐
