การเรียนรู้มอเตอร์เสริมแรงลึก

การประยุกต์ใช้การทำงานร่วมกันของยานยนต์จากโลกมนุษย์กับโลกของหุ่นยนต์ไม่ใช่เรื่องเล็ก แม้ว่าการศึกษาจำนวนมากสนับสนุนการใช้พลังการทำงานร่วมกันในการควบคุมมอเตอร์มนุษย์และสัตว์ แต่กระบวนการพื้นหลังยังไม่เป็นที่ทราบแน่ชัดใช้อัลกอริธึม DRL สองตัวกับตัวแทนหุ่นยนต์อัลกอริธึมทั้งสองซึ่งเป็น DRL ที่มีประสิทธิภาพสูง ตัวแทนหุ่นยนต์ทั้งสองได้รับมอบหมายให้วิ่งไปให้ไกลที่สุด

เท่าที่จะทำได้ภายในเวลาที่กำหนด โดยรวมแล้วตัวแทนหุ่นยนต์ได้เสร็จสิ้นไปแล้ว 3 ล้านขั้นตอน ข้อมูลการทำงานร่วมกันไม่ได้ใช้งานกับ DRL แต่ตัวแทนหุ่นยนต์แสดงให้เห็นถึงการเกิดขึ้นของการทำงานร่วมกันของมอเตอร์ตลอดการเคลื่อนไหว ตัวแทนหุ่นยนต์โดยใช้อัลกอริทึมการเรียนรู้การเสริมแรงลึก DRL ช่วยให้ตัวแทนหุ่นยนต์เรียนรู้การกระทำที่ดีที่สุดในสภาพแวดล้อมเสมือนจริงของพวกเขา ช่วยให้งานหุ่นยนต์ที่ซับซ้อนได้รับการแก้ไขในขณะที่ลดการใช้งานด้วยตนเองและทำให้ได้ประสิทธิภาพสูงสุด