LEARNING
形态对称感知的通用策略网络用于深度强化学习
Hakoda R, Liu Y, Hwang M, Sato Y, Takamatsu J, Ikeuchi K, Oishi T
Frontiers in robotics and AI · 2026
摘要
本文提出了一种形态对称感知的通用策略网络,用于深度强化学习。该方法通过利用机器人形态的对称性,提高了策略的泛化能力和学习效率。
关键词
morphological symmetrygeneralized policydeep reinforcement learning
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026