یادگیری تقویتی سلسله مراتبی برای مهارت های شوت کردن دقیق فوتبال با استفاده از روبات چهارپا

ما مشکل ایجاد امکان اجرای مهارت های شوت زنی دقیق در دنیای واقعی با استفاده از یادگیری تقویت شده برای روبات های چهارپا را مورد بررسی قرار می دهیم. توسعه الگوریتم ها برای قادر ساختن یک روبات دارای پا برای شوت کردن توپ فوتبال به یک هدف مشخص مسئله دشواری است که کنترل حرکت روبات و برنامه ریزی برای یک کار را ترکیب می کند. برای حال این مسئله با محدودیت های دینامیک و پایداری حرکتی در طول کنترل یک روبات دارای پای دینامیک را در نظر بگیریم. به علاوه باید برنامه ریزی حرکت را برای شوت کردن توپ قابل تغییر شکل دشوار برای مدل سازی را روی زمین با اصطکاک نامشخص به یک مکان مطلوب بررسی کنیم. در این مقاله یک چارچوب سلسله مراتبی پیشنهاد می کنیم که از یادگیری تقو یت شده عمیق برای آ موزش الف) یک سیاس کنترل حرکت توانند که حرکات ارادی را می توان دنبال کند و ب) یک سیاست برنامه ریزی برای تصمیم گیری حرکت شوت زدن مطلوب برای شوت کردن یک توپ فوتبال به یک هدف بهره می گیرد. ما چارچوب پیشنهاد شده را روی یک روبات چهارپا اعمال می کنیم و به آن امکان شوت زدن دقیق توپ فوتبال به یک هدف تصادفی در دنیای واقعی می دهیم.

کلیدواژه ها:

مهارت شوت زنی ، یادگیری تقویت شده ، ربات دارای پا ، یادگیری عمیق