我想通过机器学习改进我的小机器人。
到目前为止，它使用简单的，然后在其主要功能中作为草坪割草机器人的决定。
我的想法是为此目的使用SKLearn。
请帮我找到正确的第一步。
我有几个传感器可以告诉世界：
World = {yaw，pan，tilt，distance_to_front_obstacle，ground_color}
我有一个状态向量
State = {left_motor，right_motor，cutter_motor}
控制机器人的3个角色。
我想构建一个输入和输出值的数据集来教导sklearn所希望的行为，之后输入值应该为actor提供正确的输出值。
一个例子：如果电机开启且机器人应向前移动但距离计指示恒定值，则机器人似乎被阻挡。现在它应该决定退回并转向另一个方向。
首先，你认为这是可能的sklearn和第二我应该如何开始？
我的（简单）机器人控制代码在这里：http://github.com/bgewehr/RPiMower
请帮我完成第一步！
答案 0 :(得分：6)
我建议使用Reinforcement Learning。在这里，您有一个Q-Learning的教程，可以很好地解决您的问题。
如果你想在python中使用代码，那么我认为在scikit-learn中没有实现Q-learning。但是，我可以为您提供一些可以使用的python代码示例：1，2和3。
另请注意，强化学习的目的是最大化所有未来奖励的总和。你必须专注于一般观点。
祝你好运： - ）答案 1 :(得分：1)
sklearn软件包包含许多有用的机器学习工具，所以我不认为这是一个问题。如果是，那么肯定还有其他有用的python包。我认为为监督学习阶段收集数据将是一个具有挑战性的部分，并且想知道在网格系统中使用磁带制作轨道是否明智。这样可以更容易地将轨道转换为标签（网格中的x，y位置）。如果你想在以后制作复杂的曲目，网格中的每个单元格都应该很小。检查他们在自动驾驶谷歌车中的表现可能非常明智。