文献类型：期刊文章

作　　者：叶剑[1] 乔俊飞[1] 李明爱[1] 阮晓钢[1]

机构地区：[1]北京工业大学人工智能与机器人研究所,北京100022

出　　处：《控制理论与应用》

基　　金：国家自然科学基金资助项目(60375017);北京市教委科技发展计划资助项目(KM200610005019).

年　　份：2007

卷　　号：24

期　　号：3

起止页码：440-444

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：基于行为的控制方法相对于传统的控制方法在解决未知环境中的机器人中有着更好的鲁棒性和实时性.本文提出了一种基于反应式行为控制的智能控制器,以强化学习作为智能控制器的学习算法.通过采用评价-控制模型,该智能控制器能够不依赖于系统模型,通过连续地在线学习得到机器人的行为.将该智能控制器应用到两自由度仿真机械臂的控制中,仿真结果表明该智能控制器可以实现对两自由度机械臂的连续控制,使其能够迅速达到目标位置.

关 键 词：反应式行为  智能控制器 评价-控制模型  强化学习  机械臂

分 类 号：TP241]