让导师超级省心赞不绝口的博士论文排版

文章预览

提前祝各位中秋快乐~！ 今天分享的是 Diego Ferigo 在 曼彻斯特大学（University of Manchester） 完成的博士论文，主要探讨了“Simulation Architectures for Reinforcement Learning applied to Robotics”（强化学习在机器人学中的仿真架构）。 论文包括内容： 第一部分：背景和基础知识 第一章 介绍了机器人模拟器，定义了它们的主要组件和属性，并描述了使本论文工作成为可能的技术，例如 Gazebo Sim 模拟器和 jax 框架。 第二章 介绍了刚体多体动力学所使用的符号和方程，以及如何通过机器人机械结构的模型计算和传播相关的动力学和运动学量。 第三章 介绍了强化学习的主要概念和符号，并建立了强化学习问题的结构，描述了可以用来计算解决方案的主要算法家族，并发展了策略优化的理论，最终导出了近端策略优化算法。 第四章 回顾了应用于机器人运动学的强化 ………………………………