Application of Deep Reinforcement Learning for Tracking Control of 3WD Omnidirectional Mobile Robot

Abstract

Deep reinforcement learning, the fastest growing technique, to solve real-world complex problems by creatinga simple mathematical framework. It includes an agent, action, environment, and a reward. An agent will interactwith the environment, takes an optimal action aiming to maximize the total reward. This paper proposesthe compelling technique of deep deterministic policy gradient for solving the complex continuous actionspace of 3-wheeled omnidirectional mobile robots. Three-wheeled Omnidirectional mobile robots tracking isa difficult task because of the orientation of the wheels which makes it rotate around its own axis rather tofollow the trajectory. A deep deterministic policy gradient (DDPG) algorithm has been designed to train in environmentswith continuous action space to follow the trajectory by training the neural networks defined forthe policy and value function to maximize the reward function defined for the tracking of the trajectory. DDPGagent environment is created in the Reinforcement learning toolbox in MATLAB 2019 while for Actor and criticnetwork design deep neural network designer is used. Results are shown to illustrate the effectiveness of thetechnique with a convergence of error approximately to zero.

Điều Khiển Trượt Pid Robot Di Động Đa Hướng

“…Trong những thập kỷ gần đây, do các ứng dụng rộng rãi của robot di động, các bài toán trọng tâm trong điều khiển chuyển động của robot di động bao gồm: ổn định điểm, bám đường đi và quỹ đạo đã thu hút sự quan tâm đáng kể từ các nhà nghiên cứu [1]. Robot di chuyển bằng bánh xe có nhiều ưu điểm hơn so với các robot di chuyển bằng chân như cấu trúc đơn giản, tiết kiệm năng lượng, tốc độ di chuyển cao và chi phí thấp [2]. Một loại robot di động được sử dụng rộng rãi nhất là robot ba bánh Omni, còn được gọi là robot di động đa hướng.…”

“…Mỗi bánh xe được gắn trực tiếp với trục động cơ của nó nên động cơ và bánh xe có cùng tâm quay [4]. Hiện nay, robot này được nhiều nhà khoa học quan tâm nghiên cứu và công bố, tiêu biểu như: chiến lược điều khiển mô hình tham chiếu [1], học sâu tăng cường [2], bộ điều khiển PI [4], đánh giá sự chính xác độ bám quỹ đạo của robot như trợ lý riêng [5], thuật toán PID trong [6] để tính toán kết nối 3 động cơ DC của robot tạo nền tảng giúp robot di chuyển nhanh với một góc bất kỳ, bộ điều khiển lớp biên và PD+ thông thường [7], điều khiển bám quỹ đạo mô hình ước lượng của hệ nơ-ron mờ thích nghi [8], điều khiển bám quỹ đạo tiệm cận toàn cục với vận tốc biên [9].…”

Selection of Investment Policy Using a Novel Three-Way Group Decision Model under Intuitionistic Hesitant Fuzzy Sets

“…By using a set of thresholds, the 3WD model divides the universe into three zones: acceptance, deferment, and rejection [34]. Thus, three-way decision theory has found numerous applications in solving complex problems in various fields [35,36]. DTRSs, a more extensive version of RST, have played a significant role in improving three-way decisions by incorporating the Bayesian decision technique [37].…”

A Deep Transfer Learning Based Architecture for Brain Tumor Classification Using MR Images

“…Geoffrey Hinton, who is the father of backpropagation, his idea of backpropagation led to the advancement of Deep Learning (DL) [25]. DL algorithms in radiology demonstrate excellent performance compared to Machine Learning (ML) algorithms due to the exponential growth in data [1,5,14,27,35]. The performance of deep learning algorithms increases as the amount of data increases, meanwhile the performance of machine learning algorithms almost stays steady.…”