摘要：采用鱼群模型驱动多智能体可以涌现出优良的运动特性,但是,由于机器人与真实鱼类相比具有较大的差异性,使得鱼群模型难以应用于真实机器人系统.为此,提出一种结合深度学习与强化学习的迁移控制方法,首先,使用鱼群运动数据训练深度网络(deep neural network, DNN)模型,以此作为机器人成对交互的基础;然后,连接强化学习的深度确定性策略梯度方法(deep deterministic policy gradient, DDPG)来修正DNN模型的输出,设计集群最大视觉尺寸方法挑选关键邻居,从而将DNN+DDPG模型拓展到多智能体的运动控制.集群机器人运动实验表明:所提出方法能使机器人仅利用单个邻居信息就能形成可靠、稳定的集群运动,与单纯DNN直接迁移控制相比,所提出DNN+DDPG控制框架既可以保存原有鱼群运动的灵活性,又能增强机器人系统的安全性与可控性,使得该方法在集群机器人运动控制领域具有较大的应用潜力.

摘要：小树叶随着风儿慢慢飘落,离开树妈妈的小树叶会变成什么呢？是空中飞舞的舞蹈家？是乘风破浪的探险小子？还是落到树妈妈身边熟睡的乖宝宝……创意满满的宝贝将它们巧妙地变成航海归来的大轮船、向着太阳微笑的向日葵、海洋里自由游弋的鱼儿……一个个属于小树叶的新世界在宝贝的小手里变幻出来。