模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2023, Vol. 36 Issue (10): 902-917    DOI: 10.16451/j.cnki.issn1003-6059.202310004
综述与评论 最新目录| 下期目录| 过刊浏览| 高级检索 |
强化学习及其在机器人任务规划中的进展与分析
张晓明1, 高士杰1, 姚昌瑀1, 褚誉1, 彭硕1
1.安徽大学 物质科学与信息技术研究院 合肥 230601
Reinforcement Learning and Its Application in Robot Task Planning: A Survey
ZHANG Xiaoming1, GAO Shijie1, YAO Changyu1, CHU Yu1, PENG Shuo1
1. Institute of Physical Science and Information Technology, Anhui University, Hefei 230601

全文: PDF (900 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 强化学习可以让机器人通过与环境的交互,学习最优的行动策略,是目前机器人领域关注的重要前沿方向之一.文中简述机器人任务规划问题的形式化建模,分析强化学习的主要方法,分别介绍无模型强化学习、基于模型的强化学习和分层强化学习的研究进展,着重探讨基于强化学习的机器人任务规划的研究进展,并讨论各种强化学习及其应用情况.最后总结强化学习在机器人应用中面临的问题与挑战,展望未来的研究方向.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
张晓明
高士杰
姚昌瑀
褚誉
彭硕
关键词 机器人任务规划强化学习无模型强化学习基于模型的强化学习分层强化学习    
Abstract:Reinforcement learning enables robots learn the optimal action policy through the interaction with the environment, representing an important frontier direction in the field of robotics. In this paper, the formal modeling of robot task planning problem is briefly introduced, and the main methods of reinforcement learning are analyzed, including model-free reinforcement learning, model-based reinforcement learning and hierarchical reinforcement learning. The research progress in robot task planning based on reinforcement learning is explored. Various reinforcement learning methods and their applications are discussed as well. Finally, the key problems of reinforcement learning in robot applications are summarized, and the future research directions are prospected.
Key wordsRobotics    Task Planning    Reinforcement Learning    Model-Free Reinforcement Learning    Model-Based Reinforcement Learning    Hierarchical Reinforcement Learning   
收稿日期: 2023-09-28     
ZTFLH: TP18  
基金资助:安徽省自然科学基金项目(No.2208085MF174)、教育部中国高校产学研创新基金项目(No.2021ZYA06004)资助
通讯作者: 张晓明,博士,副教授,主要研究方向为群体智能、智能决策.E-mail:xmzhang@ustc.edu.   
作者简介: 高士杰,硕士研究生,主要研究方向为机器人任务规划、强化学习、知识图谱.E-mail:q21301169@stu.ahu.edu.cn.姚昌瑀,硕士研究生,主要研究方向为机器人任务规划、强化学习.E-mail:q22301178@stu.ahu.edu.cn.褚 誉,硕士研究生,主要研究方向为智能决策.E-mail:chuyu0106ada@163.com.彭 硕,硕士研究生,主要研究方向为智能决策.E-mail:q23201183@stu.ahu.edu.cn.
引用本文:   
张晓明, 高士杰, 姚昌瑀, 褚誉, 彭硕. 强化学习及其在机器人任务规划中的进展与分析[J]. 模式识别与人工智能, 2023, 36(10): 902-917. ZHANG Xiaoming, GAO Shijie, YAO Changyu, CHU Yu, PENG Shuo. Reinforcement Learning and Its Application in Robot Task Planning: A Survey. Pattern Recognition and Artificial Intelligence, 2023, 36(10): 902-917.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202310004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2023/V36/I10/902
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn