Aug, 2024
弥补学习规划、运动原语与安全强化学习之间的差距
Bridging the gap between Learning-to-plan, Motion Primitives and Safe
Reinforcement Learning
TL;DR本研究解决了在复杂环境中进行基于运动的规划时所面临的动力学约束问题。通过将学习规划方法与强化学习相结合，提出了一种新颖的运动原语黑箱学习和优化的整合方案。我们的实验表明，该方法在复杂控制场景下优于现有的安全强化学习技术，显示出在复杂动力学约束下提升机器人性能和安全性的潜力。