基于行為克隆的機(jī)械臂多智能體深度強(qiáng)化學(xué)習(xí)軌跡跟蹤控制

打開(kāi)文本圖片集

摘 要：針對(duì)具有非線(xiàn)性干擾以及多變環(huán)境的機(jī)械臂軌跡跟蹤問(wèn)題，提出了一種結(jié)合行為克隆（behavior cloning，BC）的多智能體深度強(qiáng)化學(xué)習(xí)（multi-agent deep reinforcement learning，MDRL）控制方法。多智能體控制算法中包含了以孿生延遲深度確定性策略梯度算法（twin delayed deep deterministic policy gradient algorithm，TD3）為基底算法的比例積分微分智能體（proportional-integral-derivative agent，PID agent）和直接用深度強(qiáng)化學(xué)習(xí)策略輸出扭矩的智能體（direct deep reinforcement learning agent，DDR agent），并采用兩個(gè)獎(jiǎng)勵(lì)函數(shù)來(lái)優(yōu)化兩個(gè)agent的策略網(wǎng)絡(luò)。（剩余20738字）