公开(公告)号：CN112297012B

公开(公告)日：2022-05-31

申请号：CN202011191173.8

申请日：2020-10-30

Applicant: 上海交通大学

Inventor： 张伟楠 ,  沈键 ,  赵晗

IPC: B25J9/16 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于自适应模型的机器人强化学习方法，在正常学习一个环境模型的同时，加入模型自适应的步骤，从而可以达到提升虚拟数据准确性的效果。具体来说，当模型是一个神经网络结构，模型自适应通过减小真实数据和虚拟数据在网络隐藏层的特征分布，从而来提升模型在虚拟数据上的准确性。实验证明，在机器人控制等领域，我们的方法相比于之前的基于模型的强化学习方法有着更高的采样效率以及最终性能。

公开(公告)号：CN112297012A

公开(公告)日：2021-02-02

申请号：CN202011191173.8

申请日：2020-10-30

Applicant: 上海交通大学

Inventor： 张伟楠 ,  沈键 ,  赵晗

IPC: B25J9/16 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于自适应模型的机器人强化学习方法，在正常学习一个环境模型的同时，加入模型自适应的步骤，从而可以达到提升虚拟数据准确性的效果。具体来说，当模型是一个神经网络结构，模型自适应通过减小真实数据和虚拟数据在网络隐藏层的特征分布，从而来提升模型在虚拟数据上的准确性。实验证明，在机器人控制等领域，我们的方法相比于之前的基于模型的强化学习方法有着更高的采样效率以及最终性能。