文献

J-GLOBAL ID：201602266794298824   整理番号：16A0611934

強化学習を用いた最適化支援人間-ロボット相互作用【Powered by NICT】

Optimized Assistive Human-Robot Interaction Using Reinforcement Learning

著者 (4件)： Modares Hamidreza (Univ. of Texas at Arlington Res. Inst., Fort Worth, TX, USA) ,  Ranatunga Isura (Univ. of Texas at Arlington Res. Inst., Fort Worth, TX, USA) ,  Lewis Frank L. (Univ. of Texas at Arlington Res. Inst., Fort Worth, TX, USA) ,  Popa Dan O. (Univ. of Texas at Arlington Res. Inst., Fort Worth, TX, USA)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 46  号： 3  ページ： 655-667  発行年： 2016年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： 調整可能なロボット挙動を有するインテリジェント人間-ロボット相互作用(HRI)システムを提案した。提案したHRIシステムは,最小負荷需要を伴う所定のタスクを実行するために人間オペレータ支援と全体的な人間-ロボットシステム性能を最適化した。ヒューマンファクタ研究に動機付けられて,提案した制御構造は二つの制御ループから構成されている。最初に,人間のオペレータによって認識された未知の非線形ロボットは,規定されたロボットインピーダンスモデルのように挙動する内部ループで設計したロボット特異的ニューロ適応コントローラ。既存のニューラルネットワークと適応インピーダンス制御法とは対照的に,内部ループで必要とされるタスクパフォーマンスあるいは規定されたロボットインピーダンスモデルパラメータの情報はない。,オペレータ技能にロボットの動力学を調整し,追跡誤差を最小にするために規定されたロボットインピーダンスモデルの最適パラメータを見出すように設計されているタスク特異的外部ループコントローラ。外部ループは人間,ロボット,タスク性能詳細を含んでいる。規定されたロボットインピーダンスモデルの最適パラメータを見出す問題は,人間の努力を最小化し,与えられたタスクのためのHRIシステムの閉ループ挙動を最適化する線形二次レギュレータ(LQR)問題に変換した。人体モデルの知識の必要性を回避するために,積分強化学習を用いて,与えられたLQR問題を解いた。シミュレーションはx-yテーブルとロボットアームの結果,PR2ロボットに関する実験結果は,提案した方法の適合性を確認した。Copyright 2016 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： タスクパフォーマンス ,  オペレータ ,  積分 ,  *ロボット ,  適応制御 ,  ヒューマンファクタ ,  *強化学習 ,  ロボットアーム ,  *最適化 ,  適応性
準シソーラス用語： 最小化 ,  最適パラメータ ,  インピーダンス制御 ,  制御ループ ,  *ヒューマンロボットインタラクション , 【Automatic Indexing@JST】

著者キーワード (4件)： 強化学習(RL) ,  適応インピーダンス制御 ,  人間-ロボット相互作用(HRI) ,  ニューロ-適応制御

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 強化学習 ,  最適化 ,  支援 ,  人間-ロボット相互作用