版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/DanielDingshengli/article/details/86616693
腿式机器人学习敏捷和动态运动技能
1
. A compelling alternative is reinforcement learning,which requires minimal craftsmanship and promotes the natural evolution of a control policy.
一个令人信服的方法是强化学习，它需要最小的工艺，并促进控制策略的自然演化。
In the present work, we introduce
a method for training a neural network policy in simulation and transferring it to a state-of-the-art legged
system, thereby leveraging fast, automated, and cost-effective data generation schemes.
在目前的工作中，我们将一种在仿真中训练神经网络策略并将其传递给最先进的假肢的方法系统，从而利用快速、自动化和成本效益高的数据生成方案。