文献

J-GLOBAL ID：200902295814927859   整理番号：09A0419910

3種類のセンサを持つロボット制御へのモジュール型強化学習の適用

Application of modular reinforcement learning to the control of robot having three different sensors

著者 (3件)： 中間隼人 (岡山理大 工) ,  田中直樹 (岡山理大 工) ,  山田訓 (岡山理大 工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 108  号： 480(NC2008 103-175)  ページ： 301-306  発行年： 2009年03月04日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： モジュール型強化学習は,各センサ入力で単純な制御を学習する制御モジュールと,制御モジュールを状況に合わせて選択するよう学習する選択モジュールで構成される。本研究では3種類のセンサを持つロボット制御に,モジュール型強化学習を適用し,2種類のセンサ入力の組み合わせから適切な制御を選択する必要のある課題を学習した。この課題において,学習効率を改善するため,始めに2つのモジュールで学習を行い,その後3つに増やし学習を行うという多段階学習を検討した。次に,始めから3つのモジュールで学習を行う上で,学習効率を改善するため,経験強化と初期学習を検討した。その結果,モジュール型強化学習の枠組みで,2種類のセンサ入力の組み合わせにより,正しい制御を選択する方策を,学習できることが分かった。(著者抄録)

シソーラス用語： *強化学習 ,  *モジュール構造 ,  *学習制御 ,  *センサ ,  多段階過程 ,  経験 ,  制御 ,  学習曲線 ,  *ロボット ,  ロボット制御

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (5件)：

• SUTTON, Richard S. Reinforcement Learning : An Introduction. 1998
• 山田訓. モジュール型強化学習. 信学技報. 1998, NC97-119
• YAMADA, S. Hybrid reinforcement learning and its application to biped robot control. Advances in NIPS. 1998, 10, 1071-1077
• 宮崎和光. 強化学習における報酬割当ての理論的考察. 人工知能学会誌. 1994, 9, 4, 580-587
• KHEPERA, Michel O. simulator version 2.0 user manual. 1996

タイトルに関連する用語 (3件)： ロボット制御 ,  モジュール ,  強化学習