![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
sim2real
文章平均质量分 95
仿真和实物的差距
D_JQ
这个作者很懒,什么都没留下…
展开
-
Reinforcement Learning for UAV Attitude Control-强化学习的无人机姿态控制
自动驾驶系统通常由提供稳定性和控制的“内环”组成,而“外环”负责任务级别的目标,如航路点导航。无人机的自动驾驶系统主要采用比例-积分-导数(PID)控制系统实现,该系统在稳定环境中表现优异。然而,在不可预测和恶劣的环境中,需要更复杂的控制。智能飞行控制系统是一个活跃的研究领域,最近通过使用强化学习(RL)来解决PID控制的局限性,它在其他应用中已经取得了成功,如机器人。然而,以前的工作主要集中在在任务级控制器上使用RL。原创 2022-11-03 16:22:30 · 1836 阅读 · 0 评论 -
【Smooth Exploration for Robotic Reinforcement Learning-平滑探索】
强化学习使机器人从实际环境交互中学习技能。实际上,应用于强化学习的非结构化的基于步长的探索,在仿真中非常成功,在实际机器人运动模式中导致抖动。由此产生的晃动行为的后果是探索能力差,甚至会对机器人造成损害。我们通过将状态依赖探索(SDE)[1]适应于当前的深度RL算法来解决这些问题。原创 2022-10-24 19:43:10 · 568 阅读 · 0 评论