论文部分内容阅读
强化学习是提高机器人完成任务效率的有效方法，目前比较流行的学习方法一般采用累积折扣回报方法，但平均值回报在某些方面更适于多机器人协作。累积折扣回报方法在机器人动作层次上可以提高性能，但在多机器人任务层次上却不会得到很好的协作效果，而采用平均回报值的方法，就可以改变这种状态。本文把基于平均值回报的蒙特卡罗学习应用于多机器人合作中，得到很好的学习效果，实际机器人实验结果表明，采用平均值回报的方法优于累积折扣回报方法。