Robotic manipulation and control has increased in importance in recent years. However, state of the art techniques still have limitations when required to operate in real world applications. This paper explores Hindsight Experience Replay both in simulated and real environments, highlighting its weaknesses and proposing reinforcement-learning based alternatives based on reward and goal shaping. Additionally, several research questions are identified along with potential research directions that could be explored to tackle those questions.
翻译：机器人操纵和控制近年来变得更加重要,然而,当需要应用现实世界应用时,工艺技术的状况仍然有限,本文件探讨了模拟和实际环境中的闪见经验重现,强调了其弱点,并提出了基于奖励和目标设定的强化学习替代方法,此外,还查明了若干研究问题,以及可以探讨解决这些问题的潜在研究方向。
相关内容
Arxiv
0+阅读 · 2022年10月27日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月24日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年10月27日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月25日
Arxiv
0+阅读 · 2022年10月24日
微信扫码咨询专知VIP会员