我正在寻找一个起点，即使用哪种模型或方法。情况如下：

一台机器人有9个输入：

• -6个传感器提供距离信息

• -检测碰撞的传感器

• -左侧电机的当前速度
• -右侧电机的当前速度

输出：2个数字（或2个布尔值）来控制2个电机（左前和右前）

现在我在考虑让机器人自己找出避免碰撞的方法。我将6个传感器的数据连同一个“成功/失败”的标志一起输入模型。然后，模型被训练以了解当某个传感器值低于某个数值时，一个电机需要比另一个快以避免碰撞输入。此外，我需要告诉模型避免碰撞标志。

作为平台，我考虑使用树莓派，可能与Azure连接，这样我可以使用任何我想用的模型

但是我需要找哪种模型呢？它需要从连续数据中学习。尝试某事，记录下来，从中学习，然后尝试其他事情。输出可能是多重回归或多重二元的。

输入也是多重的。需要从新的数据点中学习。有没有建议？

回答：

你要找的是强化学习。关于机器人或游戏AI的相关文献有很多。它的工作原理，正如你所说的，是连续的。

它（智能体）有一个环境（传感器、当前速度），它可以执行动作（控制电机），这些动作会导致环境的反应。根据所采取的动作，它会收到一个奖励，比如与物体的距离 < 之前=> +1，否则-1。你明白我的意思。通过尝试和失败，它会创建自己的策略（它的行为），以最大化奖励。

强化学习中最常用的算法是Q-Learning（其深度学习版本称为DQN）。

这里有一篇可能与你的问题相关的论文：链接