一種適用于移動(dòng)機(jī)械臂的強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202010487548.9 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN111515961A | 公開(kāi)（公告）日 | 2020-08-11 |
| 申請(qǐng)公布號(hào) | CN111515961A | 申請(qǐng)公布日 | 2020-08-11 |
| 分類號(hào) | B25J9/16(2006.01)I | 分類 | - |
| 發(fā)明人 | 辛博;朱冰清;程旭;陳春林;馬晶 | 申請(qǐng)（專利權(quán)）人 | 南京南欣醫(yī)藥技術(shù)研究院有限公司 |
| 代理機(jī)構(gòu) | 南京華恒專利代理事務(wù)所（普通合伙） | 代理人 | 南京大學(xué);南京南欣醫(yī)藥技術(shù)研究院有限公司 |
| 地址 | 210000江蘇省南京市棲霞區(qū)仙林大道163號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開(kāi)一種適用于移動(dòng)機(jī)械臂的強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)方法，包括如下步驟：S1、設(shè)計(jì)任務(wù)場(chǎng)景，初始化算法和移動(dòng)機(jī)械臂的各項(xiàng)參數(shù)以及算法對(duì)應(yīng)的深度網(wǎng)絡(luò)模型；S2、重構(gòu)并柵格化移動(dòng)機(jī)械臂上信息采集設(shè)備發(fā)送的環(huán)境信息，明確移動(dòng)機(jī)械臂的起始位置和目標(biāo)位置；S3、與環(huán)境交互，收集訓(xùn)練數(shù)據(jù)存放于經(jīng)驗(yàn)池；S4、從經(jīng)驗(yàn)池中采樣一個(gè)批次的數(shù)據(jù)，通過(guò)獎(jiǎng)勵(lì)函數(shù)的處理得到額外設(shè)計(jì)的反思獎(jiǎng)勵(lì)用于后續(xù)的訓(xùn)練；S5、結(jié)合原始獎(jiǎng)勵(lì)和額外獎(jiǎng)勵(lì)，使用深度強(qiáng)化學(xué)習(xí)算法訓(xùn)練移動(dòng)機(jī)械臂在規(guī)劃空間內(nèi)完成目標(biāo)任務(wù)；S6、記錄相關(guān)訓(xùn)練數(shù)據(jù)和最后訓(xùn)練完成的模型參數(shù)，得到相對(duì)應(yīng)的最優(yōu)策略。?? |
