强化学习(RL)方法在许多机器人应用中取得了令人印象深刻的结果,受到了广泛的关注。虽然在理论上RL涵盖了基于学习的接近最优行为控制,但由于各种实施挑战,无法保证最后能成功实施。即使选择了最适合的学习方法,由于超参数选择不当或算法的不可靠实现,学习性能仍然可能令人失望。此外,不正确的规范可能会使学习任务变得不必要的困难。
这个教程指出这些实际的陷阱,并向观众介绍机器人RL的工具,将帮助机器人专家成功地解决机器人学习任务,在模拟和现实世界。
https://araffin.github.io/tools-for-robotic-rl-icra2022/