通过基于DDPG的深度强化学习对Biped机器人进行运动控制
在被动式Biped机器人的研究中，避免跌倒一直是研究的重要方向。 在本文中，我们提出了深度确定性策略梯度（DDPG）来控制Biped机器人在斜坡上的稳定行走。 为了提高DDPG的训练速度，本文中使用的DDPG通过并行参与者和优先体验重放（PER）进行了改进。 在模拟中，我们控制导致Biped机器人跌倒的不同初始状态。 控制后，两足动物机器人可以稳定行走，这表明DDPG可以有效地控制两足动物机器人的跌倒。
文件下载
评论信息
其他资源
- MT7612的校准方法-QA工具
- 图像边缘检测7种算子代码
- HS8145CHS8145V破解及工具集合V3(最全)
- ios激活锁解除工具
- 图书管理系统c#+sql2008R2
- matlab实现的JPEG2000源代码
- 利用MATLAB编辑的医学图像配准程序
- codeblocks16.01汉化包
- 操作系统第五版答案
- c++ Primer
- 微信小程序教程(90课)百度云连接
- SQL定时导出数据到Excel
- 正确写作美国大学生数学建模技术论文（中+英）
- JAVA数据结构复杂表达式求值
- gobby：Gobby协作编辑器-源码
- flink学习.rar
- MOG_BattleCursor.js
- PAP和CHAP的配置与实现应用实例.docx
- ILI9320AN_V0.96.pdf
- 中国文化要略复习笔记.pdf
- Qt做的俄罗斯方块游戏Windows可执行版
- C#自定义控件---实现Control阴影源码
- XMY1.3.1.exe 农业气象数据应用
- 深圳杯数学建模A题
- 企业人力资源管理系统.zip
- DBC标准格式说明
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明