本研究提出了一种分层多智能体强化学习框架,解决了四足机器人在长时域内的障碍物感知问题。实验结果表明,成功率提高了36.0%,完成时间缩短了24.5%。
本研究提出了一种分层多智能体强化学习框架。
该框架解决了四足机器人在长时域内的障碍物感知问题。
框架有效整合了路径规划和政策生成,优化了推送任务的效率。
实验结果显示成功率提高了36.0%。
完成时间缩短了24.5%。
显著提升了四足机器人的操控能力。
完成下面两步后,将自动完成登录并继续当前操作。