返回
Simulated Bipedal Exoskeleton Gait Learning Using Reinforcement Learning Techniques
DOI:10.12680/balneo.2025.942.png)
摘要
En 中文
本文介绍了一种强化学习(RL)方法,作为训练双足下肢外骨骼计算机仿真模型行走的技术,无需显式监督。开发了一个具有六个关节(左、右髋、膝和踝关节)的双足外骨骼仿真模型,包括用于训练RL智能体的近端策略优化算法的实现。该系统使用Python和OpenAI Gym库实现,后者提供了模拟交互和习得运动动力学的环境。RL训练的智能体能够通过与仿真环境的交互和复杂的奖励系统学习稳定运动。结果表明,RL在自适应控制外骨骼方面具有潜力,并为外骨骼控制与训练的进一步研究奠定了基础。
Keyword:
Reinforcement Learning
Exoskeleton
Policy
Agent
State
Action
Reward
期刊
B
IF:
1.1
论文数:
55
被引数:
299
机构
引用论文
Systematic review on wearable lower-limb exoskeletons for gait training in neuromuscular impairments可穿戴式下肢外骨骼用于神经肌肉损伤步态训练的系统评价
没有更多内容

