PRIMENA DUBOKOG UČENJA SA PODSTICAJEM ZA PLANIRANJE KRETANJA ROBOTSKOG MANIPULATORA
Ključne reči:
Duboko učenje sa podsticajem, planiranje kretanja, neuronske mreže, robotika
Apstrakt
U ovom radu je prikazana primena dubokog učenja sa podsticajem za rešavanje problema planiranja kretanja robotskim manipulatorom. Ovakvim pristupom se omogućava generalizacija algoritama planiranja kretanja za industrijska ii neindustrijska.okruženja. Takođe, pokazano je poređenje stihastičkih i determinističkih tipova algoritama za rešavanje problema planiranja kretanja.
Reference
[1] https://www.roboticsbusinessreview.com/manufacturing/deep-learning-factory-automation/ (pristupljeno u martu 2020.)
[2] R. S. Sutton, A. G. Barto “Reinforcement learning, an introduction“, MIT Press, Cambridge, MA, 2018.
[3] T. P. Lillicrap, J. J. Hunt, A. Pritzel, N. Heess, T. Erez, Y. Tassa, D. Silver, D. Wierstra, “Continous Control with Deep Reinforcement Learning”, ICLR, 2016..
[4] T. Haarnoja, A. Zhou, P. Abbeel, S. Levine, “Soft actor-critic: Off-policy maximum entropy deep reinforcement learning with a stochastic actor“, ICML, 2018.
[2] R. S. Sutton, A. G. Barto “Reinforcement learning, an introduction“, MIT Press, Cambridge, MA, 2018.
[3] T. P. Lillicrap, J. J. Hunt, A. Pritzel, N. Heess, T. Erez, Y. Tassa, D. Silver, D. Wierstra, “Continous Control with Deep Reinforcement Learning”, ICLR, 2016..
[4] T. Haarnoja, A. Zhou, P. Abbeel, S. Levine, “Soft actor-critic: Off-policy maximum entropy deep reinforcement learning with a stochastic actor“, ICML, 2018.
Objavljeno
2020-12-31
Sekcija
Mehatronika
