| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 强化学习简介 | 第11-12页 |
| 1.3 强化学习在机器人中的应用 | 第12-13页 |
| 1.4 仿人机器人的现状及意义 | 第13-16页 |
| 1.4.1 仿人机器人研究现状 | 第13-15页 |
| 1.4.2 仿人机器人的研究意义 | 第15-16页 |
| 1.5 本文的主要工作 | 第16-17页 |
| 1.6 本文的组织结构 | 第17-18页 |
| 第二章 相关理论概述 | 第18-30页 |
| 2.1 强化学习相关理论 | 第18-24页 |
| 2.1.1 强化学习理论概念 | 第18-19页 |
| 2.1.2 模型无关强化学习方法和模型相关强化学习方法 | 第19-22页 |
| 2.1.3 强化学习值函数逼近问题与Q迭代拟合方法 | 第22-24页 |
| 2.1.4 探索和利用的平衡问题 | 第24页 |
| 2.2 稀疏在线高斯过程模型介绍 | 第24-29页 |
| 2.2.1 高斯过程回归方法介绍 | 第24-26页 |
| 2.2.2 稀疏在线高斯过程 | 第26-28页 |
| 2.2.3 SOGP更新流程 | 第28-29页 |
| 2.3 本章总结 | 第29-30页 |
| 第三章 基于SOGP的模型无关和相关强化学习方法设计 | 第30-41页 |
| 3.1 基于SOGP的模型无关强化学习方法 | 第30-34页 |
| 3.1.1 DSBQ的主要思想 | 第30-31页 |
| 3.1.2 DSBQ的值函数更新 | 第31-32页 |
| 3.1.3 DSBQ动作选取方法 | 第32-34页 |
| 3.1.4 DSBQ算法流程 | 第34页 |
| 3.2 基于SOGP的模型相关强化学习方法 | 第34-40页 |
| 3.2.1 IDSBQ的主要思想 | 第35页 |
| 3.2.2 IDSBQ中的环境模型学习 | 第35-37页 |
| 3.2.3 IDSBQ值函数的更新 | 第37-39页 |
| 3.2.4 IDSBQ动作选取方法 | 第39页 |
| 3.2.5 IDSBQ算法流程 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 基于SOGP强化学习的仿人机器人稳定控制器设计 | 第41-58页 |
| 4.1 仿人机器人步态规划理论 | 第41-44页 |
| 4.1.1 仿人机器人倒立摆模型 | 第41-42页 |
| 4.1.2 倒立摆模型步态生成 | 第42-44页 |
| 4.2 机器人步行在线调整 | 第44-45页 |
| 4.3 陀螺仪反馈PD控制器 | 第45-47页 |
| 4.4 基于强化学习的仿人机器人在线步行调整稳定控制器 | 第47-56页 |
| 4.4.1机器人状态和动作以及立即回报值定义 | 第47-51页 |
| 4.4.2 状态获取 | 第51-54页 |
| 4.4.3 强化学习稳定控制器流程与框图 | 第54页 |
| 4.4.4 基于PID控制器改进的DSBQ和IDSBQ控制器 | 第54-56页 |
| 4.4.5 改进的强化学习稳定控制器流程 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 实验结果与分析 | 第58-73页 |
| 5.1 仿人机器人仿真模型介绍 | 第58-61页 |
| 5.1.1 仿真机平台和语言及环境介绍 | 第58页 |
| 5.1.2 仿真模型介绍 | 第58-61页 |
| 5.2 实验过程及结果分析 | 第61-72页 |
| 5.2.1 实验结果评判标准 | 第61-62页 |
| 5.2.2 无在线平稳控制的仿人机器人行走实验 | 第62-63页 |
| 5.2.3 髋关节陀螺仪PD控制器实验 | 第63-65页 |
| 5.2.4 髋关节DSBQ稳定控制器实验 | 第65-67页 |
| 5.2.5 髋关节IDSBQ稳定控制器实验 | 第67-70页 |
| 5.2.6 DSBQ稳定控制器与IDSBQ稳定控制器对比分析 | 第70-72页 |
| 5.3 本章总结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
