- 0
- 0
- 0
分享
- 2022级硕士研究生孙捷强论文被清华A类会议RSS'2023会议接收
-
原创 2023-04-30






人工智能学院姚美宝副教授指导的2022级硕士研究生孙捷强的论文“Co-optimization of Morphology and Behavior of Modular Robots via Hierarchical Deep Reinforcement Learning”被RSS'2023会议接收。
RSS,全称为机器人:科学与系统(Robotics: Science and Systems)是机器人领域的顶级会议,该会议旨在促进机器人学领域的交流和合作,为机器人技术的发展和创新提供一个重要的平台,由Robotics:Science and Systems Foundation组织主办,每年举办一次。
RSS'2023将于2023年7月10号至7月14号在韩国大邱举办。
文章详情

第一作者:孙捷强
指导教师:姚美宝
论文题目:
Co-optimization of Morphology and Behavior of Modular Robots via Hierarchical Deep Reinfor-cement Learning
会议名称 :
Robotics: Science and Systems(RSS'2023)
会议类别:清华-A类
论文概述:
模块化机器人有望改变其构型以适应各种任务和环境。为了实现这一优势,要求同时搜索到合适的机器人构型及运动策略,以确保重构机器人的最优性。然而,实现协同优化是具有挑战性的,因为机器人的构型配置和运动策略以及它们的优化过程是相互作用相互耦合的。为此,本文提出了一个基于分层深度强化学习(DRL)的协同优化框架,包括一个Configuration model和一个基于TD3算法的motion model。这两个网络模型共享奖励异步更新,确保了协同优化求解的最优性。我们在Webots平台上进行了仿真和实验来评估所提出的框架,结果表明,它能够生成高质量的重构优化方案,从而使模块化机器人能够更好地适应动态和多任务场景。

吉林大学|人工智能学院
吉林省长春市|吉林大学中心校区
正新楼|7F

-
阅读原文
* 文章为作者独立观点,不代表数艺网立场转载须知
- 本内容由数艺网主动采集收录,信息来源为 “吉林大学人工智能学院” 公开网络发布内容。第三方如需转载本内容,必须完整标注原作者信息及 “来源:数艺网”,严禁擅自篡改、删减或未标注来源转载。 并附上本页链接: 若您的内容不希望被数艺网收录,或认为此举侵犯了您的合法权益,敬请通过微信 ID:d-arts-cn 联系数艺网。我们将致以诚挚歉意,并第一时间为您办理下架或删除处理。




