Generalizando o aprendizado por reforço profundo entre configurações de robôs paralelos acionados por cabos com políticas em nível de atuador

arXiv:2608.07546v1 Tipo de anúncio: novo Resumo: Os robôs paralelos acionados por cabos (CDPRs) apresentam diversas configurações e desafios complexos de controle, que podem ser enfrentados pelo aprendizado por reforço profundo (DRL) por meio do aprendizado de sua dinâmica não linear. No entanto, os métodos de DRL frequentemente exigem um tempo de treinamento extenso, e as políticas resultantes não generalizam bem para diferentes configurações de robôs ou para números variados de atuadores. Neste artigo, apresentamos uma nova abordagem de DRL para controlar CDPRs que...