ICRA 2018

雷锋网按：这里是，雷锋字幕组编译的 ICRA 2018 系列，带你了解机器人与自动化领域的最新研究成果。

原标题 ：Reinforcement Learning of Depth Stabilization with a Micro Diving Agent

翻译 | 张哥华    整理 | 凡江

强化学习是机器人在与环境交互中解决控制问题的方法。本论文中，我们将要学习基于模型值函数的强化学习方法，这种方法适用于部分机器人和光嵌入式系统。

一开始，我们设计了一个潜水体，它利用强化学习来模拟水下的稳定性。我们还利用试验来展示了一个小的潜水体对任务的学习能力，我们将这个潜水体设置成——它的状态被取决于它的深度和速度。

潜水体包含一个固定容量的的储水仓和一个可变容量的储水仓，后者用于驱动本体。

我们对其深度的稳定性的目标是，控制其可变储水容量以维持一个期望的深度。通过强化学习方法来解决这个控制问题，而不需要有系统先验知识或者是有驱动器动力知识。这种方法的挑战在于未知的流体效应，以及缓慢的非线性变化的驱动器动力。体积调整的时间常数与系统的动力匹配，可变容量储水仓相对于固定容量储水仓也是很小的，所以系统的最大控制力和最大约束力也是很小的。

在状态空间中包含了潜水体的深度和速度，这个图表就展示了其状态空间，在目标深度附近的区域决定了算法学习的区域，在这个分布里包含了 101 个状态。在此区域之外的每一个点都被当做是终止状态。

动作空间包含了两部分：一部分是减少可变储水仓的水量来提供浮力，另一部分增加可变储水仓的水量，来让潜水体算法收到一个损失，这个损失会惩罚潜水体，让其向期望的深度移动。除此之外，如果潜水体到达终止状态的位置，为了通过试验验证强化学习算法，一个小潜水体被设计和制造了出来。它的运行时间大约是 90 分钟，非易失性内存是 512 KB。

我们证明了在一个试验中，潜水体是能够从零学习到关于自身稳定性的规则。在左下角的图表中显示了潜水体在学习区域成功学习的运动轨迹。

视频链接： https://www.youtube.com/watch?v=F7g3K0PXWX4&t=5s

雷锋网雷锋网 (公众号：雷锋网)

。