专栏｜增强学习对于机器人运动控制的六字真言

文章预览

“高、大、少；虚、先、近。” 智东西  文 | 英特尔中国研究院 实现机器人的自主运动从而更好地为人类提供服务是我们长久以来的梦想。但是，机器人的自主运动该如何实现？随着深度学习部分解决了机器人的视听识别问题，增强学习技术有望成为突破机器人自主运动难题的一把利剑。 增强学习实际上是“试错法”这一在生活中广泛使用的技巧的理论抽象，即为了达到理想目标而不断试验，并在实际尝试中修正方案，从而逐步提高成功率。 比如在围棋程序中，盘面情况称为“状态”，落子选择称为“行为”；根据状态选择行为的方法就称为“策略”，根据当前状态和行为对输赢的预测就称为“价值”，而当前一步的输赢结果称为“回报”。 增强学习就是修 ………………………………