理解gym-gazebo系列(五)

本博文系列将记录本人理解gym-gazebo的过程。最终目标是添加自己建的环境，并使用gym来在此环境中进行强化学习的研究。

这是利用dqn训练好的，利用laser进行自动避障的机器人。没有使用gym-gazebo中给出的算法（算法有bug，索性就自己编了），作为阶段性的成果，mark以下。

• state(observation):50维的laser数据
• reward:自己定义了一个函数，偏好大速度向前移动

有几点体会

• 传统的q-learning在这类问题基本上不会有好的结果，原因很简单。
• 在这个场景dqn性能最好的时刻不是最后，而是在中间的时刻，这点跟传统的supervised learning有所不同，需要思考。
• 测试时候即使reset了，每次的结果也是不一样的（大方向一致），原因需要想一想，我有个大致想法，正在验证。

接下来我们将测试新的算法与传感器