资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

2022级硕士研究生孙捷强论文被清华A类会议RSS'2023会议接收

原创 2023-04-30


人工智能学院姚美宝副教授指导的2022级硕士研究生孙捷强的论文“Co-optimization of Morphology and Behavior of Modular Robots via Hierarchical Deep Reinforcement Learning”被RSS'2023会议接收。

RSS,全称为机器人:科学与系统(Robotics: Science and Systems)是机器人领域的顶级会议,该会议旨在促进机器人学领域的交流和合作,为机器人技术的发展和创新提供一个重要的平台,由Robotics:Science and Systems Foundation组织主办,每年举办一次。

RSS'2023将于2023年7月10号至7月14号在韩国大邱举办。


  文章详情


第一作者:孙捷强

指导教师:姚美宝

论文题目:

Co-optimization of Morphology and Behavior of Modular Robots via Hierarchical Deep Reinfor-cement Learning

会议名称 :

Robotics: Science and Systems(RSS'2023)

会议类别:清华-A类

论文概述:

模块化机器人有望改变其构型以适应各种任务和环境。为了实现这一优势,要求同时搜索到合适的机器人构型及运动策略,以确保重构机器人的最优性。然而,实现协同优化是具有挑战性的,因为机器人的构型配置和运动策略以及它们的优化过程是相互作用相互耦合的。为此,本文提出了一个基于分层深度强化学习(DRL)的协同优化框架,包括一个Configuration model和一个基于TD3算法的motion model。这两个网络模型共享奖励异步更新,确保了协同优化求解的最优性。我们在Webots平台上进行了仿真和实验来评估所提出的框架,结果表明,它能够生成高质量的重构优化方案,从而使模块化机器人能够更好地适应动态和多任务场景。

吉林大学|人工智能学院

吉林省长春市|吉林大学中心校区

正新楼|7F

阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本文内容由数艺网收录采集自微信公众号吉林大学人工智能学院 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。

数字媒体艺术 新媒体艺术 科技艺术 人工智能 高校新闻

15394 举报
  0
登录| 注册 后参与评论