PulseAugur
中
实时 12:26:58
English(EN) Self-Paced Curriculum Reinforcement Learning for Autonomous Superbike Racing in Simulation

新的强化学习框架通过自定步调学习训练自动超级摩托车

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的框架，用于在模拟环境中训练自动驾驶超级摩托车。该方法结合了软Actor-Critic (SAC) 和自定步调课程深度强化学习 (SPDL)，后者可自动创建难度递增的训练任务。该系统旨在解决摩托车控制的独特挑战，例如平衡和倾斜角度管理，这些比四轮车辆更复杂。初步结果表明，与标准的SAC相比，SPDL在单圈时间和稳定性方面效率更高，性能更好。 AI

影响 为复杂的机器人控制引入了一种新颖的强化学习方法，有可能在具有挑战性的动态环境中推进自主系统。

排序理由 这是一篇详细介绍特定应用的强化学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Luca Ghisi, Jacopo Essenziale, Carlo D'Eramo, Matteo Luperto ·

    用于模拟中自主超级摩托车比赛的自定步调课程强化学习

    arXiv:2606.09236v1 Announce Type: cross Abstract: Autonomous Racing has seen remarkable progress through deep Reinforcement Learning (RL), primarily for four-wheeled vehicles. However, motorbikes introduce substantially greater complexity due to the need to manage balance and lea…

相关实体

相关话题