视频连接：
v.youku.com/v_show/id_XMzYyMjAyNDM4OA
我们团队的第三个作品，使用的是STM32F407，用的是正点原子的开发板，
游戏环境为自己编写的虚拟机械臂（reacher，到达者），控制一个两关节机械臂，使得机械臂尖端触碰目标
与之前相同，采用我们团队自己开发的操作系统OSlw，使用自己开发的神经网络框架。
不同于之前的flapperbrid，机械臂的转角是连续量，难以直接使用DQN算法，所以采用可以输出连续量的DDPG算法（Google Deepmind）
由于只是用了STM32F407的内部128k的ram，且DDPG算法十分耗内存（四个神经网络，两套参数），所以此次设计采用简化神经网络，增大ER的设计方法。
超参数：
演员网络：10->50(ReLU)->2(tanh)
评论家网络 12->70(ReLU)->1(linear)
学习速率统一0.001
gamma=0.9
ER:600取10
tau=0.01
【消息】 |
楼主
标题置顶
标题高亮
