Vanguard擰緊機(jī)IAI噴漆機(jī)器人
Vanguard擰緊機(jī)IAI噴漆機(jī)器人
Vanguard擰緊機(jī)IAI噴漆機(jī)器人
Vanguard擰緊機(jī)IAI噴漆機(jī)器人
Vanguard擰緊機(jī)IAI噴漆機(jī)器人
Vanguard擰緊機(jī)IAI噴漆機(jī)器人
強(qiáng)化學(xué)習(xí)框架中,有一個(gè)包含神經(jīng)網(wǎng)絡(luò)的Agent負(fù)責(zé)決策。Agent以當(dāng)前機(jī)器人傳感器所采集到的環(huán)境為輸入,輸出控制機(jī)器人的行動(dòng)命令b,機(jī)器人行動(dòng)后,再觀察新的環(huán)境狀態(tài)和行動(dòng)帶來(lái)的結(jié)果Reward,決定下一步新的行動(dòng)b。Reward根據(jù)控制目標(biāo)進(jìn)行設(shè)置,并有正反向之分。例如,如果以自動(dòng)駕駛為目標(biāo),正向的Reward的就是到達(dá)目的地,反向就是不能達(dá)到目的地,更不好的Reward就是出車禍。然后重復(fù)這個(gè)過(guò)程,目標(biāo)是最大化Reward。
這種方式找東西更接近人的思維。訓(xùn)練出的控制器并沒(méi)有記住物體的位置,更不知道房屋的結(jié)構(gòu)。但它記住了在每一個(gè)位置,通向各個(gè)物體應(yīng)該怎么走。