arXiv Robotics· Yuanzhi He, Victor Romero-Cano, Jiayu Xu, Juan David Hern\'andez, Gualtiero Colombo·· 4 小时前AI 评分24
通过任务分解提升机器人运动规划的深度强化学习性能
Enhancing Deep Reinforcement Learning for Robotic Motion Planning via Task Decomposition
AI 导读
研究提出一种结合迁移学习（TL）与奖励重设计（RR）的任务分解框架，用于改善深度强化学习在障碍环境中的学习效率与鲁棒性。在 PyBullet Panda 平台上，带障碍 Push 任务成功率达 0.83±0.05，较最强基线 TQC（0.77±0.06）提升约 7.8%；带障碍 Slide 任务达 0.95±0.02，较 SAC（0.84±0.06）提升约 11%。
来源：arXiv Robotics · arxiv.org