Learning Motor Skills: From Algorithms to Robot Experiments

این کتاب وضعیت هنر در یادگیری تقویتی را که در رباتیک به کار می‌رود، هم از نظر الگوریتم‌ها و هم از نظر کاربردهای جدید ارائه می‌کند. این مقاله رویکردهای اخیری را که به روبات‌ها امکان می‌دهد موتور را بیاموزند، بحث می‌کند.

مهارت‌ها و وظایفی ارائه می‌کند که باید رفتار دینامیکی ربات و محیط آن را در نظر بگیرند، جایی که یک طرح حرکتی حرکتی کافی نیست. این کتاب روشی را نشان می‌دهد که با تطبیق مجموعه کوچکی از پارامترهای جهانی و الگوریتم‌های یادگیری تقویتی مبتنی بر هسته مناسب، برنامه‌های حرکتی پارامتری شده را که با تقلید یا یادگیری تقویتی به دست می‌آید، تعمیم می‌دهد. برنامه های کاربردی ارائه شده وظایف بسیار پویا را بررسی می کنند و یک فرآیند یادگیری بسیار کارآمد را نشان می دهند. همه رویکردهای پیشنهادی به طور گسترده با وظایف معیار، در شبیه‌سازی و روی روبات‌های واقعی تأیید شده‌اند. این وظایف مربوط به ورزش و بازی است، اما تکنیک های ارائه شده برای کارهای روزمره خانگی تر نیز قابل استفاده است. این کتاب بر اساس پایان نامه دکترای نویسنده اول است که برنده جایزه دکتری EURON Georges Giralt در سال 2013 شد.

This book presents the state of the art in reinforcement learning applied to robotics both in terms of novel algorithms and applications. It discusses recent approaches that allow robots to learn motor.

skills and presents tasks that need to take into account the dynamic behavior of the robot and its environment, where a kinematic movement plan is not sufficient. The book illustrates a method that learns to generalize parameterized motor plans which is obtained by imitation or reinforcement learning, by adapting a small set of global parameters and appropriate kernel-based reinforcement learning algorithms. The presented applications explore highly dynamic tasks and exhibit a very efficient learning process. All proposed approaches have been extensively validated with benchmarks tasks, in simulation and on real robots. These tasks correspond to sports and games but the presented techniques are also applicable to more mundane household tasks. The book is based on the first author’s doctoral thesis, which won the 2013 EURON Georges Giralt PhD Award.