原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第４３卷第１期南京邮电大学学报（自然科学版）Ｖｏｌ．４３Ｎｏ．１
２０２３年２月ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｆｅｂ２０２３
ｄｏｉ：１０．１４１３２／ｊ．ｃｎｋｉ．１６７３⁃５４３９．２０２３．０１．０１２
基于元Ｑ学习与ＤＤＰＧ的机械臂接近技能学习方法
１，２１，２１，２１，２
李茂捷，徐国政，高翔，谭彩铭
(１．南京邮电大学自动化学院、人工智能学院，江苏南京２１００２３)
２．南京邮电大学机器人信息感知与控制研究所，江苏南京２１００２３
摘要：针对深度强化学习方法在机械臂的接近技能学习中普遍存在的样本效率低、泛化性差的问
题，提出一种基于元Ｑ学习的技能学习方法。首先利用结合后视经验回放（ＨｉｎｄｓｉｇｈｔＥｘｐｅｒｉｅｎｃｅ
Ｒｅｐｌａｙ，ＨＥＲ）的ＤＤＰＧ训练机械臂以指定姿态到达目标点，验证了算法在接近任务中的有效性；其
次，在相关任务集上构造多任务目标作为优化对象，利用结合ＨＥＲ的ＤＤＰＧ训练模型，得到泛化性
强的元训练模型和元训练数据，此外利用ＧＲＵ获取轨迹上下文变量；最后，先在新任务上进行少量
训练，再利用元训练数据训练模型进一步提升性能。仿真实验表明，在初始性能、学习速率和收敛
性能三方面元Ｑ学习均带来明显提升，其中达到期望性能所需样本量降低７７％，平均成功率提
高１５％。
关键词：机器人学习；元强化学习；深度确定性策略梯度；元Ｑ学习；样本效率
中图分类号：ＴＰ２４２．６文献标志码：Ａ文章编号：１６７３⁃５４３９（２０２３）０１⁃００９６⁃００８
Ａｒｅａｃｈｉｎｇｓｋｉｌｌｌｅａｒｎｉｎｇｍｅｔｈｏｄｏｆｍａｎｉｐｕｌａｔｏｒｓｂａｓｅｄ
ｏｎｍｅｔａ⁃Ｑ⁃ｌｅａｒｎｉｎｇａｎｄＤＤＰＧ
１，２１，２１，２１，２
ＬＩＭａｏｊｉｅ，ＸＵＧｕｏｚｈｅｎｇ，ＧＡＯＸｉａｎｇ，ＴＡＮＣａｉｍｉｎｇ
(１．ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ＆ＣｏｌｌｅｇｅｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１００２３，Ｃｈｉｎａ)
２．ＲｏｂｏｔｉｃｓＩｎｆｏｒｍａｔｉｏｎＳｅｎｓｉｎｇａｎｄＣｏｎｔｒｏｌＩｎｓｔｉｔｕｔｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１００２３，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ：Ｓｉｎｃｅｔｈｅｄｅｅｐｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｔｈａｔｍａｎｉｐｕｌａｔｏｒｓｅｍｐｌｏｙｔｏｌｅａｒｎｉｎｇｒｅａｃｈｉｎｇ
ｓｋｉｌｌｓｐｅｒｆｏｒｍａｔｌｏｗｓａｍｐｌｅｅｆｆｉｃｉｅｎｃｙａｎｄｐｏｏｒｇｅｎｅｒａｌｉｚａｔｉｏｎ，ａｓｋｉｌｌｌｅａｒｎｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｍｅｔａ⁃Ｑ
ｌｅａｒｎｉｎｇｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔ，ｔｈｅｄｅｅｐｄｅｔｅ
- 乡村振兴、双碳、储能、绿色金融 + 关注
-
实名认证服务提供商
新能源知识科普（本账号发布文档均来源于互联网公开资料，仅用于技术分享交流，相关版权为原作者所有。如果侵犯了您的相关权利，请提出指正，我们将立即删除相关资料）。
文档评论（0）