Adafruit开发与元器件资讯· Anne Barela·· 1 小时前精选
Shawn Hymel 用强化学习训练两轮平衡机器人
Train a balance bot with reinforcement learning
AI 导读
Shawn Hymel 在 Make: Volume 99 发布指南，用强化学习替代经典控制环训练两轮平衡机器人，算法为 PPO。训练在 Google Colab 中用 MuJoCo 物理模拟器完成，无需本地安装，8 个并行环境各运行 50 万时间步，actor 与 critic 为两个独立网络、各含两层 32 节点隐藏层。
关注价值
原文给出 PPO 训练、ONNX 与 actor.h 导出及 ESP32 5ms 推理的完整链路，可作为嵌入式控制部署的参考。
来源：Adafruit开发与元器件资讯 · blog.adafruit.com