深度强化学习——机械臂

趁暑假有空，在实验室机械臂上复现OpenAI Fetch中的一项任务：FetchPickAndPlace-v0

根据原论文的提示，在原DDPG算法的基础上引入HER机制，解决了在探索环境（step>40）中奖励稀疏，难以收敛的问题，但是原任务默认是以初始几步抓中小方块为开始

在此基础上引入先验经验，即将任务完整：先抓随机小方块，再到随机终点处

因此，结合DDPG+HER+模仿学习（行为克隆，BC）成功在xarm6机械臂上完成整个任务

理论全过程，可参考论文：https://arxiv.org/pdf/1509.02971.pdf

估计也没人看，就留个实验结果的视频吧：复现 DDPG+HER+模仿学习（行为克隆，BC）

下一个实验要么复现VPG，要么引入避障试试(´･_･`)，有错的大家可以指出来