CuRL-针对目标机器人控制的课程强化学习
我的MEng在计算（人工智能）最终项目中的代码档案，报告- 。
该项目的主要成果是CuRL-一种用于培训政策以完成面向目标的机器人任务的方法，而最新的深度强化学习则很难解决这些问题。 通过使用简单任务的课程表，我们逐步指导一项政策，使其能够完成所需的完整任务。
上图有助于说明该方法。 我们的目标是训练机器人在避开墙壁的情况下到达目标球体。 从头开始使用强化学习的最新方法将很难学会克服困难。 在项目报告中对此进行了更详细的说明。 通过课程强化学习，我们最初会移除墙壁，并且机器人可以学习沿红色轨迹移动。 通过顺序添加墙的“部分”（用彩色同心圆表示），我们可以指导策略，以便机器人学习遵循所需的绿色轨迹。
本文介绍的最终方法及其早期版本需要对RL算法的基线实现进行重大更改，尤其是为了支持残余策略培训。 我希望这里提供的代码可以帮助其他从事类似项目
2022-03-05 19:24:53
342.92MB
1
使用RRT算法的机器人路径规划
使用快速探索的随机树算法，在具有多个障碍的室内机房中进行机器人路径规划。
如何运行。
安装python3
安装numpy和matplotlib软件包
点安装numpy
pip安装matplotlib
Git克隆此仓库或下载
转到仓库目录
打开终端/ cmd python rrt_pathplanning.py
享受！
2022-03-04 08:43:57
1.71MB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2022-02-27 16:29:38
337KB
1
自动Captcha求解器和自动reCAPTCHA v2解决方案
绕过适用于您的Google chrome浏览器和Web应用程序的验证码和验证码自动解析器和自动填充程序，以准确，快速的方式为您解决验证码问题，以1000美元的验证码低费率$ 0.7，并免费获得10笔初始注册红利。
新功能！
节省Google的“我不是机器人！”的时间。
NoCaptcha验证码类型，我们的扩展程序现在会自动点击找到的这些验证码。
新的！
PRO订阅提供...只需每月$ 24.95的价格即可无限解决验证码！
访问https://www.captchasolutions.com/cspro/
支持语言:English (United States)
2022-02-12 10:33:29
586KB
1