实体 ManeuverNet

ManeuverNet

PulseAugur coverage of ManeuverNet — every cluster mentioning ManeuverNet across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_65472 · Jun 2 · 04:00

DRL通过sim-to-sim-to-real策略增强机器人姿态控制

研究人员开发了一种深度强化学习（DRL）方法，以改进双阿克曼转向机器人的姿态控制，解决了策略从仿真到实际应用迁移的挑战。他们的方法ManeuverNet被扩展以处理完整的姿态控制，并结合了sim-to-sim-to-real策略来应对驱动不确定性。通过在PyBullet环境中利用Gazebo模拟的驱动效应进行训练，DRL策略在Gazebo中达到了92%的成功率，在实体机器人上达到了69%的成功率，且无需进一步调整。