机译:论文:使用Deep Q-Learning开发机器人群的端到端控制政策
Graduate School of Engineering Hiroshima University;
Graduate School of Engineering Hiroshima University;
Graduate School of Engineering Hiroshima University;
Graduate School of Engineering Hiroshima University;
Faculty of Engineering University of Rijeka;
Swarm robotics; Automatic design; Deep reinforcement learning; Deep q-learning;
机译:论文:使用Deep Q-Learning开发机器人群的端到端控制政策
机译:多机器人引导政策搜索学习分散的群体控制
机译:多样性对异构机器人群体最优控制策略的影响
机译:基于深度Q学习的目标预检测机器人抓取控制策略
机译:基于平均场模型的深增强学习策略,机器人群控制
机译:对机器人群体性能的违规评估:重要的采样以评估对控制机器人的有限状态机的潜在修改
机译:开发用于移动微型机器人的生物启发视觉系统:在本文中,我们提出了一种用于移动微型机器人的新型生物启发视觉系统。该处理方法从检测快速接近物体的蝗虫视觉中获取灵感。研究表明,蝗虫使用称为小叶巨型运动探测器的宽视野神经元来应对即将发生的碰撞。我们采用蝗虫的视觉机制来控制移动机器人。所选择的图像处理方法使用低成本且快速的aRm处理器在开发的扩展模块上实现。视觉模块放置在微型机器人的顶部以控制其轨迹并避开障碍物。几次进行的实验观察到的结果表明,开发的扩展模块和灵感视觉系统可用作避障和运动控制的视觉模块。