Навчання роботів з підкріпленням і без підкріплення: порівняльний аналіз підходів у контексті автономних систем

Abstract

У роботі здійснено порівняльний аналіз навчання з підкріпленням (Reinforcement Learning) та навчання без підкріплення (Unsupervised Learning) у контексті автономних роботизованих систем. Визначено принципи функціонування, переваги і обмеження кожного підходу та наведено приклади їх застосування в задачах навігації, маніпуляції та аналізу сенсорних даних. Розглянуто алгоритм RL для колісного робота з диференціальним приводом і обґрунтовано доцільність поєднання обох методів для підвищення адаптивності, ефективності та безпеки автономних систем.