信息与控制

作者：谢正泰, 樊佳亮, 刘梅, 金龙

关键词：机器人学习与控制, 神经动力学方法, 前馈神经网络, 递归神经网络, 强化学习

机器人因其高效的感知、决策和执行能力，在人工智能、信息技术和智能制造等领域中具有巨大的应用价值。目前，机器人学习与控制已成为机器人研究领域的重要前沿技术之一。各种基于神经网络的智能算法被设计，从而为机器人系统提供同步学习与控制的规划框架。首先从神经动力学(ND)算法、前馈神经网络(FNNs)、递归神经网络(RNNs)和强化学习(RL)四个方面介绍了基于神经网络的机器人学习与控制的研究现状，回顾了近30年来面向机器人学习与控制的智能算法和相关应用技术。最后展望了该领域存在的问题和发展趋势，以期促进机器人学习与控制理论的推广及应用场景的拓展。

来源：2023年第1期

《信息与控制》期刊编辑部

查看信息与控制杂志2023年第1期