智能磁性微机器人通过深度强化学习学会游泳
本研究使用强化学习算法 (PPO 和 RPO) 来控制微型机器人群在水力影响下到达目标。研究表明课程学习可以提高性能，并展示了在控制 25 个游泳器协同机动方面 RL 模型的能力。
Jun, 2023
研究模仿海胆精子细胞的化感运动模型，利用人工神经网络作为决策代理，通过深度强化学习算法实现微型机器人的智能机动，在有限的环境信息下，发现比人类设计更有效的运动策略，并利用外部扰动促进化感运动。
Aug, 2022
利用强化学习控制策略，将声学力学用于微型机器人的导航，通过第二辐射力及微泡聚集优势，成功地实现了微泡在微流体环境下的自主声学导航，为制造具备计算智能并能在非结构化环境中独立导航的智能微纳机器人提供了基础支持。
Sep, 2022
本文研究了如何使用有限的传感能力控制一组合作智能体，使用了基于演员 - 评论家算法的深度强化学习以近似 Q 值函数和策略评估，评估了在寻找和维持距离和定位目标方面的性能。
Sep, 2017
动物和机器人存在于物理世界中，并必须协调其身体以实现行为目标。最近在深度强化学习方面的发展使得科学家和工程师可以利用物理模拟的身体和环境来获得特定任务的感觉运动策略（策略）。然而，这些方法的效用超出了特定任务的限制；它们为理解动物感觉运动系统与其形态和与环境的物理相互作用的组织提供了一个令人兴奋的框架，同时也可为机器人系统中感知和执行的一般设计规则的推导提供支持。通过使用深度强化学习中的 extit {演员 - 评论家} 方法，我们在这里提出数学和算法方面的简洁阐述作为研究动物和机器人行为背后的反馈控制的工具。
May, 2024
基于强化学习算法的分布式多机器人编队控制，并采用 DDQN 算法，通过离散机器人运动来适应连续非线性系统，无需复杂数学模型和非线性控制器即可在模拟和实验中实现稳定编队。
Jun, 2023
本文研究了深度强化学习在机器人学中的应用，通过模拟训练，在低成本仿真机器人上实现了动态环境下复杂足球比赛中从走路到踢球等一系列动作表现出稳定流畅的运动技能，并取得了不错的效果。
Apr, 2023