.png){kind=icon}
返回
Optimization Control Method of Robot Arm Based on Multi-Agent Reinforcement Learning
.png){kind=icon}
PRE
AI
DOI：10.1142/S0218126626500210.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于工业自动化和智能制造的快速发展，机械臂已在众多领域得到广泛应用。本研究分析了传统控制方法在机械臂控制中的局限性，并引入了多智能体强化学习（MARL）的概念，该方法将机械臂的每个关节或功能模块视为独立智能体，通过协作完成复杂任务。研究结果指出，与传统的循环神经网络（RNN）和深度神经网络（DNN）控制方法相比，基于MARL的方法在多任务控制方面表现出显著优势。在任务完成率方面，该方法平均提升了约10%，尤其在复杂任务中表现更为出色。该方法还有效降低了任务完成率的波动，展现出更好的稳定性和一致性。基于MARL的方法在促进智能体间有效协作和提高任务执行效率方面具有显著优势。
Keyword:
Multi-agent reinforcement learning
mechanical arm
optimal control
cooperative control
environment interaction
期刊
IF:
1
论文数:
376
被引数:
2.3K
机构
暂无机构信息
引用论文
Deep learning-based optimization for motion planning of dual-arm assembly robots基于深度学习的双臂装配机器人运动规划优化
PREAI
分享收藏Multi-Objective Optimal Trajectory Planning for Robotic Arms Using Deep Reinforcement Learning基于深度强化学习的机械臂多目标最优轨迹规划.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Human Arm Pose Estimation With a Shoulder-Worn Force-Myography Device for Human-Robot Interaction基于肩部佩戴式力-肌电描记法设备的人体手臂姿态估计及其在人与机器人交互中的应用
OAAI
OAAI分享收藏Prescribed-Time Fuzzy Control for MIMO Coupled Systems With Unknown Structure and Control Direction: Application to Robotic Arm具有未知结构和控制方向的MIMO耦合系统的规定时间模糊控制: 在机械臂中的应用
PREAI
分享收藏
查看更多内容