基于深度强化学习的机器人手臂控制

• 作者: 古彭 吕萍丽 杨发展 杨淑珍 梁盼 韩建宇
• 来源期刊: 福建电脑
• 关键词: 深度强化学习 深度确定性策略梯度学习算法 机器人手臂控制
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 基金项目论文
• 页码范围: 28-29
• 页数: 2页
• 字数: 1760字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2019.01.013

摘要

基于深度强化学习策略,研究了机器人手臂控制问题.以两节机器人手臂为对象,给出奖励函数和移动方式等.结合深度学习与确定性策略梯度强化学习,设计深度确定性策略梯度(DDPG)学习步骤,使得机器人手臂经过训练学习后具有较高的环境适应性.实验表明基于深度强化学习机器人手臂可以快速并且准确的找到在环境中移动的目标点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕萍丽	中国矿业大学徐海学院	12	15	3.0	3.0
5	古彭	中国矿业大学徐海学院	2	0	0.0	0.0
6	杨淑珍	中国矿业大学徐海学院	1	0	0.0	0.0
7	韩建宇	中国矿业大学徐海学院	1	0	0.0	0.0
8	梁盼	中国矿业大学徐海学院	1	0	0.0	0.0
9	杨发展	中国矿业大学徐海学院	1	0	0.0	0.0