基于模型的机器人强化学习研究综述

• 作者: 孙世光 兰旭光 张翰博 郑南宁
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 人工智能 机器人学习 强化学习 基于模型的强化学习
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 综述与评论|Surveys and Reviews
• 页码范围: 1-16
• 页数: 16页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202201001

摘要

基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的模型学习方法具体介绍前向动力学模型、逆向动力学模型和隐式模型.模型利用的方法具体介绍基于模型的规划、基于模型的策略学习和隐式规划,并对其中存在的问题进行探讨.最后,结合现实中机器人学习任务面临的问题,介绍基于模型的强化学习在其中的应用,并展望未来的研究方向.