【标题】Versatile Control of Fluid-Directed Solid Objects Using Multi-Task Reinforcement Learning

【作者团队】Bo Ren, Xiaohan Ye, Zherong Pan, Taiyuan Zhang

【发表日期】2022.8.12

【论文链接】https://dl.acm.org/doi/pdf/10.1145/3554731

【推荐理由】本文提出了一种基于学习的控制器，用于具有耦合流体和固体对象的高维动态系统。此类系统的动态行为可能因不同的模拟器和受用户不断变化的要求而变化的控制任务而异。此控制器具有高度通用性，无需重新训练即可适应不断变化的动态行为和多项任务，这是通过结合两种训练策略来实现的。本文使用元强化学习来通知控制器模拟参数的变化。并进一步设计了一种新颖的任务表示，它允许控制器通过经验回放来适应不断变化的任务。本文强调了此控制器在一系列动态丰富的任务中的鲁棒性和通用性，包括从水池中舀出实心球，使用流体喷口的空中球杂技，以及零射击转移到看不见的模拟器和本构模型。在所有实验场景中，本文控制器始终优于普通的多任务强化学习基线。


内容中包含的图片若涉及版权问题，请及时与我们联系删除