离线强化学习控制器

数据高效即用

一种基于软演员-评论家算法与多样化Q集成的离线强化学习转向控制器，仅用预收集数据即可训练出优于传统方法的水面无人艇路径跟踪策略。

Zhou, Zexing · Bao, Tao · 丁军 · 陈奕宏 · Zhengyi, Jiang · Bo, Zhang

Journal of Marine Science and Engineering 2024

技术优势

无需在线试错

控制器仅利用预先收集的数据集进行离线训练，避免在实际航行中反复试错，降低了实验成本和安全风险。

集成Q网络提升性能

采用多样化的Q网络集成扩展了值函数估计，提升了样本效率和渐近性能，使路径跟踪更准确。

应用场景