DeepReinforcementLearning-DDPG-for-RoboticsControl：这是一项基于深度确定性策略梯度的研究

简介：
该算法是基于深度确定性策略梯度（DDPG）的深度强化学习方法，用于训练四自由度机械臂以实现目标位置控制。动作空间为连续变量，在此环境中，机器人将输出用于驱动机械臂执行任务的连续扭矩信号。 环境描述包含以下几部分：一个由20个完全相同的训练代理所组成的复杂系统，每个代理都独立拥有特定的环境配置。在这样的系统中，双臂能够自由度地定位目标位置。对于每一个动作阶段，当操作臂的手部准确到达目标位置时，将获得+0.1分奖励。任务要求在尽可能多的时间步数内保持手部位于目标位置。 观察空间由33个参数构成，涵盖手臂的位置、旋转角度及其运动速度等信息。每个动作被定义为四维向量，分别对应两个关节的驱动力矩控制。每一分量值应在-1至+1之间取整数值，以确保系统的稳定性运行。任务要求在每个情节结束后，所有训练代理的累计奖励总和须达到至少+30分。具体而言，在每个情节中，所有训练代理获得的即时奖励将被累加计算，作为评估该团队表现的重要指标。