| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 背景意义 | 第10-11页 |
| 1.2 机器人学发展历程 | 第11-14页 |
| 1.2.1 智能机器人学的发展历程 | 第11-13页 |
| 1.2.2 认知机器人发展概述 | 第13页 |
| 1.2.3 发育机器人发展历程 | 第13-14页 |
| 1.3 内在动机研究 | 第14-21页 |
| 1.3.1 基于内在动机的认知发育模型 | 第15-16页 |
| 1.3.2 内在动机的相关概述 | 第16-18页 |
| 1.3.3 内在动机系统下的发育学习 | 第18-21页 |
| 1.4 论文工作和章节安排 | 第21-22页 |
| 第2章 基于内在动机的强化学习 | 第22-32页 |
| 2.1 强化学习 | 第22-25页 |
| 2.1.1 强化学习的MDP模型 | 第23页 |
| 2.1.2 强化学习的最优策略 | 第23-25页 |
| 2.2 强化学习常用算法 | 第25-27页 |
| 2.2.1 AHC算法 | 第25-26页 |
| 2.2.2 TD算法 | 第26页 |
| 2.2.3 Q学习算法 | 第26-27页 |
| 2.3 基于内在动机的强化学习 | 第27-31页 |
| 2.3.1 学习方法框架 | 第28页 |
| 2.3.2 强化学习中的内在动机定义 | 第28-29页 |
| 2.3.3 基于内在动机的强化学习机理的Markov决策过程建模 | 第29-30页 |
| 2.3.4 基于内在动机的Q学习算法 | 第30页 |
| 2.3.5 基于内在动机的的TD算法 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 两轮机器人的建模与仿真 | 第32-47页 |
| 3.1 两轮机器人的系统结构 | 第32-33页 |
| 3.2 两轮自平衡机器人建模 | 第33-44页 |
| 3.2.1 运动学建模 | 第33-36页 |
| 3.2.2 动力学建模 | 第36-44页 |
| 3.3 模型验证及分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于FRBF网络的内在动机算法研究 | 第47-63页 |
| 4.1 连续状态动作空间的求解 | 第47-48页 |
| 4.1.1 值函数逼近下的连续空间求解 | 第47-48页 |
| 4.1.2 离散化连续空间的求解 | 第48页 |
| 4.2 Actor-Critic学习算法 | 第48-49页 |
| 4.3 T-S模糊模型的FRBF算法 | 第49-53页 |
| 4.3.1 T-S模糊模型 | 第49-50页 |
| 4.3.2 径向基函数网络简介 | 第50-51页 |
| 4.3.3 基于T-S模糊模型的FRBF算法 | 第51-53页 |
| 4.4 基于FRBF的Actor-Critic学习算法 | 第53-57页 |
| 4.4.1 基于FRBF的Actor-Critic学习的网络结构 | 第53-54页 |
| 4.4.2 网络结构动态学习 | 第54-57页 |
| 4.4.3 网络参数的学习 | 第57页 |
| 4.5 基于FRBF的Actor-Critic学习算法步骤 | 第57-58页 |
| 4.6 仿真实验 | 第58-61页 |
| 4.6.1 自由平衡学习实验 | 第58-59页 |
| 4.6.2 直线行走平衡控制仿真 | 第59-60页 |
| 4.6.3 转弯行走平衡仿真 | 第60-61页 |
| 4.6.4 定点平衡控制仿真 | 第61页 |
| 4.7 本章小结 | 第61-63页 |
| 第5章 基于分层强化学习的内在动机算法 | 第63-76页 |
| 5.1 控制系统中的常见强化学习的问题 | 第63-64页 |
| 5.1.1 状态值泛化问题 | 第63-64页 |
| 5.1.2 报酬信号的影响 | 第64页 |
| 5.2 内部动机强化学习改进方案 | 第64-67页 |
| 5.2.1 状态预评估准则 | 第65页 |
| 5.2.2 报酬函数的改进 | 第65-66页 |
| 5.2.3 探索策略的改进 | 第66页 |
| 5.2.4 状态空间的改进 | 第66-67页 |
| 5.3 内部动机分层强化学习 | 第67-70页 |
| 5.3.1 内在动机分层强化学习的SMDP模型 | 第68页 |
| 5.3.2 内部动机分层强化学习的最优策略 | 第68-69页 |
| 5.3.3 内部动机分层强化学习算法 | 第69-70页 |
| 5.4 定性模糊网络 | 第70-73页 |
| 5.4.1 定性模型的建立 | 第71页 |
| 5.4.2 算法的层次结构 | 第71-72页 |
| 5.4.3 定性模糊网络结构算法 | 第72-73页 |
| 5.5 仿真结果 | 第73-74页 |
| 5.6 本章小结 | 第74-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 导师简介 | 第81-82页 |
| 作者简介 | 第82-83页 |
| 学位论文数据集 | 第83页 |
