使用机器学习进行简单的机器人控制

Question

我想用机器学习来改进我的小机器人。

到目前为止，它使用简单的while和if then决定其主要功能是充当割草机器人。

我的想法就是使用SKLearn来达到这个目的。

请帮我找到正确的第一步。

我有几个感应器可以告诉你外面的世界：

世界={偏航，摇摄，倾斜，distance_to_front_obstacle，ground_color}

我有一个状态向量

状态= {left_motor，right_motor，cutter_motor}

它控制着机器人的三个角色。

我想构建一个输入值和输出值的数据集来教sklearn期望的行为，之后输入值应该给出参与者的正确输出值。

一个例子是:如果电机开启，机器人应该向前移动，但测距仪显示的是恒定值，则机器人似乎被阻挡了。现在，它应该决定后退和转身，并向另一个方向移动。

首先，您认为使用sklearn可以做到这一点吗?其次，我应该如何开始？

我的(简单)机器人控制代码如下：http://github.com/bgewehr/RPiMower

请帮我完成第一步！

Answer 1

我建议使用Reinforcement Learning。这里有一个Q-Learning教程，非常适合您的问题。

如果你想用python编写代码，我想目前在scikit-learn中还没有Q-learning的实现。但是，我可以给您提供一些python代码的示例，您可以使用它们：1、2和3。

还请记住，强化学习被设置为最大化所有未来奖励的总和。你必须把重点放在总体视图上。

祝你好运:-)

Answer 2

sklearn包包含了许多机器学习的有用工具，所以我不认为这是一个问题。如果是，那么肯定还有其他有用的python包。我认为为监督学习阶段收集数据将是具有挑战性的部分，我想知道在网格系统中使用磁带进行跟踪是否明智。这将使将轨迹转换为标签(网格中的x，y位置)变得更容易。网格中的每个单元格都应该很小，如果你想在以后做复杂的跟踪，我想。检查他们在谷歌自动驾驶汽车中的表现可能是非常聪明的。