-
公开(公告)号：CN110084307B
公开(公告)日：2021-06-18
申请号：CN201910361528.4
申请日：2019-04-30
Applicant: 东北大学
Abstract: 本发明提出了一种基于深度强化学习的移动机器人视觉跟随方法。采用“模拟图像有监督预训练+模型迁移+RL”的架构，首先在真实环境中收集少量的数据，采用计算机程序和图像处理技术对数据集进行自动化扩充，以便在短时间内得到大量可以适应真实场景的模拟数据集，用于对跟随机器人的方向控制模型进行有监督训练；其次，搭建用于机器人方向控制的CNN模型，并用自动化构造的模拟数据集对其进行有监督训练，使其作为预训练模型；接着将预训练模型的知识迁移到基于DRL的控制模型中，令机器人在真实环境中执行跟随任务，结合强化学习机制，使得机器人可以在环境交互的过程中一边跟随，一边对方向控制性能进行提升，不仅鲁棒性高，且大大降低成本。
-
公开(公告)号：CN110084307A
公开(公告)日：2019-08-02
申请号：CN201910361528.4
申请日：2019-04-30
Applicant: 东北大学
Abstract: 本发明提出了一种基于深度强化学习的移动机器人视觉跟随方法。采用“模拟图像有监督预训练+模型迁移+RL”的架构，首先在真实环境中收集少量的数据，采用计算机程序和图像处理技术对数据集进行自动化扩充，以便在短时间内得到大量可以适应真实场景的模拟数据集，用于对跟随机器人的方向控制模型进行有监督训练；其次，搭建用于机器人方向控制的CNN模型，并用自动化构造的模拟数据集对其进行有监督训练，使其作为预训练模型；接着将预训练模型的知识迁移到基于DRL的控制模型中，令机器人在真实环境中执行跟随任务，结合强化学习机制，使得机器人可以在环境交互的过程中一边跟随，一边对方向控制性能进行提升，不仅鲁棒性高，且大大降低成本。
-
Search Results
2
records
(took 0.012 seconds)
