A robot motion parameter adaptive control method and system based on deep reinforcement learning. The robot motion parameter adaptive control method based on deep reinforcement learning comprises: constructing an agent in a simulation environment, wherein the agent comprises a policy neural network, a value neural network and a task planning module; on the basis of guided reinforcement learning, training the policy neural network in the agent according to a sample parameter; on the basis of hierarchical reinforcement learning, sequentially and alternately performing policy improvement and policy evaluation on the policy neural network and the value neural network in the agent according to a plurality of sub-tasks and reward functions corresponding thereto, so as to obtain a completely trained policy neural network model; and on the basis of the completely trained policy neural network model, outputting a control parameter optimization value to a controller according to a target task, such that the controller controls a robot according to the control parameter optimization value.
Procédé et système de commande adaptative de paramètres de déplacement de robot basés sur un apprentissage par renforcement profond. Le procédé de commande adaptative de paramètres de déplacement de robot basé sur un apprentissage par renforcement profond consiste : à construire un agent dans un environnement de simulation, l'agent comprenant un réseau neuronal de politique, un réseau neuronal de valeur et un module de planification de tâche ; en fonction d'un apprentissage par renforcement guidé, à entraîner le réseau neuronal de politique dans l'agent en fonction d'un paramètre d'échantillon ; en fonction d'un apprentissage par renforcement hiérarchique, à exécuter séquentiellement et en alternance une amélioration de politique et une évaluation de politique sur le réseau neuronal de politique et le réseau neuronal de valeur dans l'agent en fonction d'une pluralité de sous-tâches et de fonctions de récompense leur correspondant, de manière à obtenir un modèle de réseau neuronal de politique complètement entraîné ; et en fonction du modèle de réseau neuronal de politique complètement entraîné, à émettre en sortie une valeur d'optimisation de paramètre de commande à un dispositif de commande en fonction d'une tâche cible, de telle sorte que le dispositif de commande commande un robot en fonction de la valeur d'optimisation de paramètre de commande.
一种基于深度强化学习的机器人运动参数自适应控制方法和系统,基于深度强化学习的机器人运动参数自适应控制方法包括:在仿真环境中构建智能体,智能体包括:策略神经网络、价值神经网络和任务规划模块;基于引导式强化学习,根据样本参数,对智能体中的策略神经网络进行训练;基于分层式强化学习,根据多个子任务及其对应的奖励函数,对智能体中的策略神经网络和价值神经网络依次交替进行策略提升和策略评估,得到训练完成的策略神经网络模型;基于训练完成的策略神经网络模型,根据目标任务,向控制器输出控制参数优化值,以由控制器根据控制参数优化值对机器人进行控制。
ROBOT MOTION PARAMETER ADAPTIVE CONTROL METHOD AND SYSTEM BASED ON DEEP REINFORCEMENT LEARNING
PROCÉDÉ ET SYSTÈME DE COMMANDE ADAPTATIVE DE PARAMÈTRES DE DÉPLACEMENT DE ROBOT BASÉS SUR UN APPRENTISSAGE PAR RENFORCEMENT PROFOND
基于深度强化学习的机器人运动参数自适应控制方法和系统
2022-10-27
Patent
Elektronische Ressource
Chinesisch
Adaptive traffic light control method based on deep reinforcement learning
Europäisches Patentamt | 2023
|Robot walking control method and system based on deep reinforcement learning and medium
Europäisches Patentamt | 2020
|Segway Robot Based on Reinforcement Learning and Its Method for Motion Control
Europäisches Patentamt | 2023
|