基于逆強(qiáng)化學(xué)習(xí)與行為樹的機(jī)械臂復(fù)雜操作技能學(xué)習(xí)方法

打開文本圖片集

摘  要： 現(xiàn)有分層強(qiáng)化學(xué)習(xí)方法不僅在學(xué)習(xí)過程中存在樣本效率低、獎勵稀疏以及學(xué)習(xí)時間過長等問題，而且大多基于仿真環(huán)境，導(dǎo)致學(xué)習(xí)策略在機(jī)器人真實操作環(huán)境中部署困難。針對上述問題，提出一種基于逆強(qiáng)化學(xué)習(xí)與行為樹的機(jī)械臂復(fù)雜操作技能學(xué)習(xí)方法。在對復(fù)雜操作任務(wù)進(jìn)行分割的基礎(chǔ)上，首先，根據(jù)專家演示軌跡確定分割后每個子任務(wù)的強(qiáng)化學(xué)習(xí)參數(shù)及其對應(yīng)的專家策略；其次，根據(jù)子任務(wù)專家策略并使用生成對抗模仿學(xué)習(xí)算法進(jìn)行預(yù)訓(xùn)練，得到每個子任務(wù)的獎勵函數(shù)；再次，運(yùn)用每個子任務(wù)的獎勵函數(shù)并基于SAC算法做進(jìn)一步訓(xùn)練，獲取到每個子任務(wù)的最優(yōu)策略；最后，將子任務(wù)最優(yōu)策略從仿真環(huán)境部署到真實環(huán)境，并將部署后的每個子任務(wù)作為葉節(jié)點構(gòu)建行為樹，實現(xiàn)機(jī)械臂復(fù)雜任務(wù)規(guī)劃。（剩余11916字）