م مقاله کنفرانسی سال ۱۴۰۲ ۸۱۳ مشاهده کنترل بهینه ربات تک لینکی غیرخطی به روش یادگیری تقویتی Q-Learning کنترل بهینهیادگیری تقویتیتکرار سیاست
