分层强化学习研究及其在机械臂避障问题中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 引言 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-12页 |
| ·本文研究内容 | 第12页 |
| ·论文结构 | 第12-14页 |
| 2 分层强化学习 | 第14-30页 |
| ·强化学习 | 第14-19页 |
| ·MDP 与 SMDP | 第14-17页 |
| ·强化学习原理与方法 | 第17-19页 |
| ·分层强化学习 | 第19-28页 |
| ·学习任务的分层与抽象 | 第19-21页 |
| ·分层强化学习基本方法 | 第21-26页 |
| ·自动分层的必要性和可行性分析 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 3 基于动作信息量的自动分层 | 第30-50页 |
| ·基本概念 | 第30-33页 |
| ·熵和互信息 | 第30-31页 |
| ·率失真理论 | 第31-32页 |
| ·贝叶斯网络 | 第32-33页 |
| ·基于动作信息量的 Subgoal 识别 | 第33-40页 |
| ·单任务学习下的动作信息 | 第33-36页 |
| ·多任务学习下的动作信息 | 第36-38页 |
| ·基于动作信息的 Subgoal 识别 | 第38-40页 |
| ·基于动作信息量的自动分层算法 | 第40-42页 |
| ·实验与分析 | 第42-48页 |
| ·实验用例与环境搭建 | 第42-44页 |
| ·实验结果分析 | 第44-48页 |
| ·本章小结 | 第48-50页 |
| 4 机械臂避碰的分层强化学习模型 | 第50-72页 |
| ·机械臂避碰系统的建模和仿真 | 第50-55页 |
| ·机械臂的运动学建模 | 第50-52页 |
| ·基于 ODE 的避碰仿真 | 第52-55页 |
| ·避碰问题的分层强化学习模型 | 第55-63页 |
| ·轨迹动作层学习 | 第57-61页 |
| ·路径行为层学习 | 第61-63页 |
| ·仿真实验及分析 | 第63-70页 |
| ·经典强化学习与分层强化学习对比实验 | 第64-68页 |
| ·环境变化下的分层强化学习实验 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 5 总结与展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| 作者在攻读硕士学位期间发表的论文 | 第80页 |
| 作者在攻读学位期间取得的科研成果目录 | 第80页 |
