arXiv · cs.RO· Ao Zhou; Zongyou Yu; Ke Wu; Tao Xu; Junqiao Zhao; Wenchao Ding; Alois Knoll; Guang Chen·· 6 天前AI 评分58
论文 / 摘要阅读
MDPO：面向灵巧操作的多约束策略优化强化学习方法
MDPO: Multi-constraint Dexterous Policy Optimization with Reinforcement Learning
AI 导读 · 根据来源整理
MDPO 将灵巧操作建模为同时包含累积代价约束和逐状态代价约束的多约束策略优化问题，并把多约束投影集成到策略优化过程中。方法用针对不同约束的策略投影，把最大化任务性能的中间策略映射到累积代价约束与逐状态代价约束定义的可行域。在 ReDMan 上的安全关节控制、手指安全和抓取任务实验中，MDPO 相比基线取得更好的约束满足，同时保持有竞争力的任务性能，代码已公开。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org