5:04视频长度为5:04。
基于图像数据的倒立摆强化学习
使用Reinforcement Learning Toolbox™和DQN算法对一个简单摆进行基于图像的反演。工作流由以下步骤组成:1)创建环境,2)指定策略表示,3)创建代理,4)训练代理,5)验证训练过的策略。
所提供的钟摆环境具有预定义的观察、操作和奖励。动作包括5个可能的扭矩值,观察结果包括一个50x50灰度图像以及钟摆的角速率,奖赏是到期望向上位置的距离。学习如何使用Deep Network Designer app构建q函数的神经网络表示,DQN代理使用该函数来近似长期奖励。
看看如何在训练过程中可视化摆的行为,并监控训练进度。训练完成后,在模拟中验证策略,以决定是否需要进一步训练。
您也可以从以下列表中选择一个网站:
如何获得最佳的站点性能
选择中国网站(中文或英文)以获得最佳的网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。