文章标题：元强化学习在AUV多任务快速自适应控制的应用

文章作者：徐春晖^1,2, 杨士霖^1,2,3, 徐德胜^1,2,3, 方田^1,2,3
关 键 字：AUV;元强化学习;最优初始值模型参数;快速收敛
文章摘要：为解决基于深度强化学习的AUV跟踪控制器在面临新任务时需从零开始训练、训练速度慢、稳定性差等问题，设计一种基于元强化学习的AUV多任务快速自适应控制算法——R-SAC（Reptile-Soft Actor Critic）算法。R-SAC算法将元学习与强化学习相结合，结合水下机器人运动学及动力学方程对跟踪任务进行建模，利用R-SAC算法在训练阶段为AUV跟踪控制器获得一组最优初始值模型参数，使模型在面临不同的任务时，基于该组参数进行训练时能够快速收敛，实现快速自适应不同任务。仿真结果表明，所提出的方法与随机初始化强化学习控制器相比，收敛速度最低提高了1.6倍，跟踪误差保持在2.8%以内。