Reinforcement
Observational Learning
Reinforcement Schedules
Avoidance Learning and Learned Helplessness
Associative Learning
Multi-input and Multi-variable systems
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
1College of Intelligent Systems Science and Engineering, Harbin Engineering University, Harbin 150001, China.
机器人现在可以使用新的最大深Q网络 (ME-DQN) 在未知的环境中抓取各种物体. 这种深度强化学习方法取得了91.6%的成功率,并改善了机器人掌握任务的概括性.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: