| 标题 |
 Deep-Reinforcement-Learning-Based Path Planning for Industrial Robots Using Distance Sensors as Observation 基于深度强化学习的工业机器人路径规划
相关领域
强化学习
运动规划
概率路线图
计算机科学
人工智能
超参数
随机树
机器人
路径（计算）
概率逻辑
一般化
规划师
机器学习
采样（信号处理）
适应性
计算机视觉
数学
数学分析
生态学
滤波器（信号处理）
生物
程序设计语言
|
| 网址 | |
| DOI | |
| 其它 | 摘要开头：Traditionally, collision-free path planning for industrial robots is realized by sampling-based algorithms such as RRT (Rapidly-exploring Random Tree), PRM (Probabilistic Roadmap), etc. |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
劲秉
苏卿
科研小民工
kingwill
36456657
SYLH
缓慢如南
龙玄泽
一一
暴躁的夏烟
pluto
坚强的广山
杳鸢
爱静静
VDC
迟大猫
Zn
不懈奋进
博弈春秋
热心路人
皖公网安备34019202002308
