Q-Learning Methods Combined with Reinforcement Learning for Robots

本文研究了Q学习方法与强化学习结合在机器人中的应用。Q学习方法通过学习动作价值函数，结合强化学习的策略优化能力，可以在离散和连续动作空间中取得良好效果。文章比较了不同Q学习RL算法（DQN、Double DQN、Dueling DQN、Rainbow）在机器人控制中的表现，分析了方法的样本效率和训练稳定性，并在多种机器人任务上验证了Q学习RL的效果。来源机构包括UC Berkeley、DeepMind、CMU、OpenAI等研究机构。