深度强化学习在机器人领域的研究与应用

前言

       机器学习方法主要可以分为四类，监督学习、半监督学习、无监督学习、以及强化学习。其中，强化学习不同于连接主义的监督学习方法，是智能体通过与环境的交互，观测交互结果以及获得相应的回报。这种学习的方式是模拟人或动物的一种学习方式，因此强化学习在机器人领域有着广泛的应用。

       传统的强化学习的动作空间和样本空间都很小，且一般是离散的情境下，而实际的任务往往有着很大的状态空间和连续的动作空间。当输入数据为图像，声音时，往往具有很高维度，传统的强化学习很难处理，此时就需要结合深度学习的方法，将高纬度数据进行降维处理，即深度强化学习方法。

讲解主题

主题：深度强化学习在机器人领域的研究与应用

提纲：1、深度强化学习简介

           2、(深度)强化学习在机器人领域的研究