Исследование влияния способа формирования функции вознаграждения по методу «двойника» для алгоритма обучения с подкреплением

Abstract

В работе предложен новый метод управления мобильным роботом по лабиринту. Метод основан на повторении классического обучения с подкреплением в сочетании с правосторонним алгоритмом, который позволил обучить мобильного робота передвигаться по лабиринту. Предложенный метод основан на работе двух алгоритмов, взаимодействующих между собой – алгоритм правой руки и алгоритма обучения с подкреплением. Первый алгоритм является дискретным, который реализует детерминированный алгоритм движения по лабиринту. Скорость движения, которого зависит от второго алгоритма. Второй алгоритм предназначен для «копирования» действий первого алгоритма, имитирующего идеальное движение робота. Разработанная функция вознаграждения позволяет удерживать центр масс робота в центре коридора и при необходимости поворачивать, следуя алгоритму.