强化学习和机器人如何结合？最新《深度强化学习在机器人领域的应用：现实世界中的成功案例》综述

文章预览

强化学习（RL），特别是与深度神经网络结合的深度强化学习（DRL），在广泛的应用中展现了巨大的前景，表明其有望推动复杂机器人行为的发展。然而，机器人问题为RL的应用带来了根本性的挑战，这些挑战源于与物理世界交互的复杂性和成本。 本文提供了关于DRL在机器人领域应用的现代综述，特别关注DRL在实现几项关键机器人能力方面取得的现实世界成功 。我们的分析旨在识别这些令人兴奋的成功背后的关键因素，揭示未充分探索的领域，并对DRL在机器人领域的现状进行总体描述。我们强调了未来研究的几个重要方向，包括需要稳定且样本高效的现实世界RL范式，发现和整合各种能力以应对复杂的长期开放世界任务的整体方法，以及原则性的发展和评估程序。本综述旨在为RL从业者和机器人学家提供见解，以利用RL的力量创建具有广泛能力的现 ………………………………