典型文献
基于深度强化学习的机器人运动控制研究进展
文献摘要：
复杂未知环境下智能感知与自动控制是目前机器人在控制领域的研究热点之一,而新一代人工智能为其实现智能自动化赋予了可能.近年来,在高维连续状态-动作空间中,尝试运用深度强化学习进行机器人运动控制的新兴方法受到了相关研究人员的关注.首先,回顾了深度强化学习的兴起与发展,将用于机器人运动控制的深度强化学习算法分为基于值函数和策略梯度2类,并对各自典型算法及其特点进行了详细介绍;其次,针对仿真至现实之前的学习过程,简要介绍5种常用于深度强化学习的机器人运动控制仿真平台;然后,根据研究类型的不同,综述了目前基于深度强化学习的机器人运动控制方法在自主导航、物体抓取、步态控制、人机协作以及群体协同等5个方面的研究进展;最后,对其未来所面临的挑战以及发展趋势进行了总结与展望.
文献关键词：
复杂未知环境;人工智能;高维连续空间;深度强化学习;仿真至现实;机器人运动控制
中图分类号：
作者姓名：
董豪;杨静;李少波;王军;段仲静
作者机构：
贵州大学机械工程学院,贵阳550025;贵州大学省部共建公共大数据国家重点实验室(筹),贵阳550025;贵州大学现代制造技术教育部重点实验室,贵阳550025
文献出处：
引用格式：
[1]董豪;杨静;李少波;王军;段仲静-.基于深度强化学习的机器人运动控制研究进展)[J].控制与决策,2022(02):278-292
A类：
仿真至现实,高维连续空间
B类：
机器人运动控制,复杂未知环境,智能感知,自动控制,前机,控制领域,新一代人工智能,智能自动化,动作空间,试运,兴起与发展,深度强化学习算法,值函数,策略梯度,学习过程,控制仿真,仿真平台,研究类型,自主导航,物体抓取,步态控制,人机协作,群体协同,总结与展望
AB值：
0.253941
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
