Average-Reward Maximum Entropy Reinforcement Learning for Global Policy in Double Pendulum Tasks

要約

このレポートは、AcrobotとPendubotのスイングアップおよび安定化タスクの強化学習ベースのアプローチを提示します。これは、ICRA 2025での第3 AIオリンピックの更新されたガイドラインに特化したものです。
大規模なシミュレーションは、コントローラーがこれらの改訂されたタスクを堅牢に管理し、更新されたフレームワーク内で適応性と有効性を実証することを検証します。

要約(オリジナル)

This report presents our reinforcement learning-based approach for the swing-up and stabilisation tasks of the acrobot and pendubot, tailored specifcially to the updated guidelines of the 3rd AI Olympics at ICRA 2025. Building upon our previously developed Average-Reward Entropy Advantage Policy Optimization (AR-EAPO) algorithm, we refined our solution to effectively address the new competition scenarios and evaluation metrics. Extensive simulations validate that our controller robustly manages these revised tasks, demonstrating adaptability and effectiveness within the updated framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google