基于强化学习的仿生机器鱼节能研究
付如彬1,2, 李亮1,?, 徐成2, 谢广明1 1. 北京大学工学院智能仿生设计实验室, 北京 1008712. 92453 部队, 福州 350000收稿日期:
2018-05-19修回日期:
2018-10-13出版日期:
2019-05-20基金资助:
国家自然科学基金(51575005, 61503008, 61633002, 91648120)和中国博士后科学基金(2015M570013, 2016T90016)资助Studies on Energy Saving of Robot Fish Based on Reinforcement Learning
FU Rubin1,2, LI Liang1,?, XU Cheng2, XIE Guangming1 1. Intelligent Biomimetic Design Lab, College of Engineering, Peking University, Beijing 1008712. 92453 PLA Troops,Fuzhou 350000Received:
2018-05-19Revised:
2018-10-13Published:
2019-05-20RichHTML
0可视化
0复制本文网址
1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)
-->
摘要/Abstract
摘要: 利用仿生机器鱼平台, 模拟鱼类集群游动过程, 通过实验方法探究机器鱼集群游动时的能量节省问题。具体地, 将两条机器鱼按照一定的前后距离和左右距离固定在低湍流水洞中, 并正对来流方向; 控制前方(领航)机器鱼游动姿态的变化, 使得后方(跟随)机器鱼处在变化的流场环境中。基于强化学习理论, 建立跟随机器鱼在该流场环境下游动所消耗的能量值与其游动姿态之间的映射关系; 利用该映射关系, 获得跟随机器鱼能量消耗最小值对应的游动姿态信息, 并将该信息反馈至机器鱼运动控制器中, 调整机器鱼游动姿态,达到节省机器鱼能量的目标。
引用本文
付如彬, 李亮, 徐成, 谢广明. 基于强化学习的仿生机器鱼节能研究[J]. 北京大学学报自然科学版, 2019, 55(3): 405-410.
FU Rubin, LI Liang, XU Cheng, XIE Guangming. Studies on Energy Saving of Robot Fish Based on Reinforcement Learning[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(3): 405-410.
PDF全文下载地址:
http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3335