文献

J-GLOBAL ID：201702217370879157   整理番号：17A0797546

仮想実証実験環境におけるブースティングサンプルDQNによるヒューマノイド作用模倣学習【Powered by NICT】

Humanoid action imitation learning via boosting sample DQN in virtual demonstrator environment

著者 (5件)： Zhou Rong (Mechanical Engineering School, Southeast University, Nanjing, China) ,  Zhang Zhisheng (Mechanical Engineering School, Southeast University, Nanjing, China) ,  Peng Kunyyu (Automation School, Beijing Institute of Technology University, Beijing, China) ,  Mi Yang (Information and Electronics School, Beijing Institute of Technology University, Beijing, China) ,  Huang Xiangsheng (Department of Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： M2VIP  ページ： 1-9  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 工業自動化の進展に伴って,ロボットの分野で適用される自律的な学習が研究者のかなりの注目を集めている。しかし,これら既存の学習法は,典型的には,訓練集合の間の質量を必要とし,時間がかかり,試料収集の困難さを増加させ,一方試料の妥当性は大きく発散する可能性があり,このようにして学習効率は限られている。同時に,これに用いられている強化学習は系列中の各作用は結果,共通ルールに対応するしないに等しく寄与するという仮説に基づいている。本論文において,筆者らは訓練サンプルセットの有効性を最適化するために,ブースティング試料DQN方法を提案した。ブースティング法に触発されて,再生記憶統計的結果に基づいた階層的から試料を抽出することにより,ネットワーク訓練の効率は改善された。パラメータの小さい数を持つ,提案アルゴリズムでは,双腕ロボットシステムへの移植に成功した。この方法は相互作用的にウェアラブルセンシング装置で得られた実時間モデルを用いた目標物に到達するとの作用に対する軌道の集合を学習する。また,解は異なる作用の重みを識別するために提案した。論文で提案したように,その範囲内でボトルを摂取を含む著者らの方法は,学習複雑な作業における適応であることが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ネットワーク ,  ロボット ,  検出器 ,  強化学習 ,  *実証実験 ,  アルゴリズム ,  最適化 ,  *学習 ,  自動化
準シソーラス用語： ウェアラブル ,  双腕ロボット ,  *ブースティング ,  学習効率 ,  自律性 ,  *模倣学習 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 仮想 ,  実証 ,  実験環境 ,  ブースティング ,  サンプル ,  ヒューマノイド ,  模倣学習