文献

J-GLOBAL ID：201602247328576318   整理番号：16A0653559

SHIVから高次元状態空間における実証効率的学習のためのサポートベクトルを用いたDAggerにおける監督者負担【Powered by NICT】

SHIV: Reducing supervisor burden in DAgger using support vectors for efficient learning from demonstrations in high dimensional state spaces

著者 (7件)： Laskey Michael (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Staszak Sam (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Hsieh Wesley Yu-Shu (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Mahler Jeffrey (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Pokorny Florian T. (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Dragan Anca D. (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA) ,  Goldberg Ken (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, 94720, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 462-469  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： DAggerなど実証アルゴリズムオンライン学習システムダイナミックス,コスト関数が未知の問題のための政策を学習することができる。しかしそれらはその現在の最良政策を実行するが,各時間ロボットは新しい状態を遭遇をクエリーに応えようとする管理者に負担をかける。MMD ILアルゴリズムは分布における不十分な不一致を持った問合せをフィルタリングと多重政策を維持することにより管理者の負担を軽減する。SHIVアルゴリズム(ヒトInterVentionにおけるSvmベース還元),単一政策に収束し,非定常高次元状態分布における監督者負担を導入した。スケーリングと異常値除去を容易にするために,1クラスサポートベクトルマシンにより定義された近似レベルセット境界までの距離の観点から定義されたリスクの尺度に基づいているフィルタリング。三つの文脈における実験について報告する1)27,936次元視覚特徴空間によるドライビングシミュレータ,2)22次元状態空間をもつクラッタシミュレーションにおけるプッシュ把握,3)16次元状態空間をもつ物理的手術針挿入。結果は,SHIVはDAgger70%まで少ない質問による政策を学習できることを示唆した。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： *監督者 ,  費用関数 ,  *高次元 ,  フィルタリング ,  アルゴリズム ,  システムダイナミックス ,  *学習 ,  ヒト ,  管理者
準シソーラス用語： ドライビングシミュレータ ,  状態分布 ,  クエリー ,  オンライン学習 ,  *状態空間 ,  *SHIV , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (8件)： SHIV ,  高次元 ,  状態空間 ,  実証 ,  学習 ,  ベクトル ,  監督者 ,  負担