机器人机器学习模型的正确方法
Correct approach to machine learning model for robotics
我正在寻找使用哪种模型或方法的起点。
案例如下：
一个有 9 个输入的机器人：
-6 个传感器给出距离
-检测碰撞的传感器
- -左电机当前转速
- -右电机当前转速
输出：
2 个数字（或 2 个布尔值）控制 2 个电机（左前和右前）
现在我正在考虑让机器人想办法避免崩溃。
我将 6 个传感器连同一个 "that worked / did not work" 作为数据输入模型
然后对模型进行训练，以确定当传感器值低于某个数值时，电机需要比另一个电机更快以避免碰撞输入。另外，我需要告诉模型需要避免崩溃标志。
现在作为平台，我正在考虑 raspberry pi，可能带有 azure 连接，这样我就可以使用我想要的任何模型
但我要找哪个型号？它需要从连续数据中学习。尝试一些东西，把它写回去，从中学习，然后再尝试别的东西。输出可能需要多回归或多二进制。
输入也是，多输入。已经需要从新的数据点中学习。有什么想法吗？
您正在寻找 reinforcment learning。有很多关于机器人或游戏 AI 的文献。它是如何工作的，就像你说的那样，持续不断。
它（代理）有一个环境（传感器，当前速度），他可以执行动作（控制电机）将导致环境的反应。通过给定的操作，它将获得奖励，例如 distance from object < before=> +1 else -1。你明白了。通过尝试、失败，它会创建自己的 策略 （它的行为）来最大化奖励。
强化中最常用的算法是 Q-Learning（其深度学习方面称为 DQN）。
这是一篇可能与您的问题相关的论文：link
我正在寻找使用哪种模型或方法的起点。 案例如下：
一个有 9 个输入的机器人：
-6 个传感器给出距离
-检测碰撞的传感器
- -左电机当前转速
- -右电机当前转速
输出： 2 个数字（或 2 个布尔值）控制 2 个电机（左前和右前）
现在我正在考虑让机器人想办法避免崩溃。 我将 6 个传感器连同一个 "that worked / did not work" 作为数据输入模型 然后对模型进行训练，以确定当传感器值低于某个数值时，电机需要比另一个电机更快以避免碰撞输入。另外，我需要告诉模型需要避免崩溃标志。
现在作为平台，我正在考虑 raspberry pi，可能带有 azure 连接，这样我就可以使用我想要的任何模型
但我要找哪个型号？它需要从连续数据中学习。尝试一些东西，把它写回去，从中学习，然后再尝试别的东西。输出可能需要多回归或多二进制。
输入也是，多输入。已经需要从新的数据点中学习。有什么想法吗？
您正在寻找 reinforcment learning。有很多关于机器人或游戏 AI 的文献。它是如何工作的，就像你说的那样，持续不断。
它（代理）有一个环境（传感器，当前速度），他可以执行动作（控制电机）将导致环境的反应。通过给定的操作，它将获得奖励，例如 distance from object < before=> +1 else -1。你明白了。通过尝试、失败，它会创建自己的 策略 （它的行为）来最大化奖励。
强化中最常用的算法是 Q-Learning（其深度学习方面称为 DQN）。
这是一篇可能与您的问题相关的论文：link