Обучение с подкреплением как метод управления мобильным роботом: сравнение с пи-регулятором

Abstract

В исследовании рассматривается применение метода обучения с подкреплением (RL) для управления мобильным роботом Festo Robotino V1.6, в сравнении с традиционным подходом использования PI-регулятора. Основное внимание уделено техническим аспектам реализации и безопасности обучения, с особым акцентом на использовании нейросетевых моделей в контролируемой среде. Экспериментальная часть демонстрирует, что RL позволяет достигать высокой точности в выполнении заданной траектории движения, превосходя результаты, получаемые с помощью PI-регулятора. Анализ показывает значительные перспективы применения обучения с подкреплением в робототехнике для повышения адаптивности и эффективности управления в динамичных и неопределенных условиях. Отдельно отмечается важность дальнейшего изучения и развития методов RL, учитывая их потенциал в интеграции искусственного интеллекта в реальные условия эксплуатации робототехнических систем