人工智能技術的出現為空戰領域的許多研究鋪平了道路。學術界和許多其他研究人員對一個突出的研究方向進行了研究，即無人機的自主機動決策。形成了大量研究成果，但其中基于強化學習（RL）的決策更有效。已經有許多研究和實驗使agent以最佳方式到達目標，最突出的是遺傳算法（GA），A*，RRT和其他各種優化技術已經被使用。強化學習因其成功而廣為人知。在DARPA阿爾法斗狗試驗（Alpha Dogfight Trials）中，強化學習戰勝了由波音公司培訓的真正的F-16人類老飛行員。這個模型是由Heron系統公司開發的。在這一成就之后，強化學習帶來了巨大的關注。在這項研究中，將無人機作為目標，該無人機有一個杜賓斯車動態特性，在二維空間中使用雙延遲深確定策略梯度（TD3）以最佳路徑移動到目標，并用于經驗回放（HER）。首先，它的目的是讓agent采取最佳路徑到達目標，過程中有障礙物。在每個情節中，我們的agent從一個隨機點開始，我們的目標是穩定的，其位置沒有變化。它以最佳和快速的方式找到自己的路徑。然后，為了測試機制的極限，使我們的agent更難達到目標，并使其執行不同的機動性，我們添加了障礙物。它表現得很好，克服了所有的障礙。現在的研究是讓兩個無人機作為多agent在二維空間進行斗狗。這篇研究論文提出了一種運動規劃的算法，它使用了雙延遲深度確定性策略梯度（TD3），這是一種為具有連續行動的MDP定制的算法，使用強化學習作為基礎。
付費5元查看完整內容
相關內容
人們對利用強化學習(RL)用于信息檢索(IR)應用(包括搜索、推薦和廣告)非常感興趣。僅僅在2020年，術語“強化學習”就在ACM SIGIR發表的60多篇不同的論文中被提到。據報道，谷歌和阿里巴巴等互聯網公司已經開始從他們基于RL的搜索和推薦引擎中獲得競爭優勢。這個全天教程為沒有或很少有RL經驗的IR研究者和實踐者提供了在實際操作設置中學習現代RL基礎知識的機會。此外，還將介紹和討論RL在IR系統中的一些代表性應用。通過參加本教程，學員將獲得現代RL概念和標準算法(如REINFORCE和DQN)的良好知識。這些知識將幫助他們更好地理解一些最新的涉及RL的IR出版物，以及他們使用RL技術和工具來解決自己實際的IR問題。
目錄內容：
Intro RL Basics Multi-armed Bandits Tabular Q-Learning Deep Q-Learning IR applications using DQN Policy Gradient (REINFORCE) IR applications using REINFORCE Actor-Critic IR applications using Actor-Critic Recent developments & outlook for research
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191