基于强化学习的仿蠕虫机器人驱动排布优化研究

摘要

针对多单元仿蠕虫机器人驱动优化问题,本文提出了一种基于强化学习的智能配置方法.首先建立多单元仿蠕虫机器人的动力学模型,并将驱动排布问题形式化为马尔可夫决策过程.通过设计多重离散动作空间,显著降低了计算成本.提出融合运动速度和能耗约束的奖励函数,有效平衡了探索与开发矛盾.针对驱动器受限条件,提出的动作掩蔽机制实现了硬性约束下的高效策略搜索.研究发现:(1)全驱动时中部对称激活最优;(2)约束条件下呈现“后部优先、向心聚集”的排布规律.

关键词

仿蠕虫机器人 / 驱动优化 / 强化学习 / 动作掩码 / 多单元系统