基于强化学习的机器人控制系统设计
来自系列: 机器人与人工智能专题线上技术研讨会
概述
通过强化学习，您可以在没有标注数据的情况下，使用深度神经网络解决复杂控制问题。学习过程通过对目标系统的多次仿真实现。生成的仿真数据用于训练基于深度神经网络的智能体策略，从而取代传统的控制系统。
本演讲以四足机器人行走控制为例，介绍MATLAB和Simulink强化学习工作流，包括怎样设置环境模型，定义策略结构，智能体的训练与验证，通过自动代码生成部署策略函数，以及如何在桌面环境下，结合Simulink环境模型验证策略的代码功能。
关于演示者
袁航， MathWorks中国应用工程师，专注于数据科学和人工智能领域，包括数据分析和可视化，深度学习与强化学习应用。曾任职于 Linde Hydraulics，硕士毕业于北京航空航天大学机械电子工程专业.
Published: 2020 年 6 月 3 日
