文献

J-GLOBAL ID：201702217306267705   整理番号：17A1398942

強化学習アルゴリズムを用いた動的環境における自律移動ロボットのための拡張航法フレームワーク【Powered by NICT】

An extended navigation framework for autonomous mobile robot in dynamic environments using reinforcement learning algorithm

著者 (8件)： Nguyen Van Dinh (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Nguyen Hong Viet (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Lan Anh Nguyen (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Hong Toan Dinh (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Nguyen Tran Hiep (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Pham Trung Dung (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam) ,  Ngo Trung-Dung (School of Sustainable Design Engineering, University of Prince Edward Island, Canada) ,  Truong Xuan-Tung (Faculty of Control Engineering, Le Quy Don Technical University, Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSSE  ページ： 336-339  発行年： 2017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： 本論文では,強化学習アルゴリズムを用いた動的環境における自律移動ロボットのための拡張ナビゲーションフレームワークを提案した。提案したアルゴリズムの主なアイデアは,ロボットへの周囲物体の相対的位置と運動,およびロボット障害物から最小距離,学習モデルのような安全制約を移動ロボットを提供することである。を移動ロボット動的環境に分布する。移動ロボットは,周辺環境との試行錯誤の相互作用を通じて経験したそれら自身の環境に適応するために自動的に学習する。学習相が完了すると,著者らの提案したフレームワークを装備した移動ロボットは動的環境における自律的かつ安全にナビゲートすることができた。模擬環境におけるシミュレーション結果は,提案したナビゲーションフレームワークである動的障害物を回避し,動的ターゲットを捕捉する移動ロボットを駆動する,周囲の物体と移動ロボットのための安全性を提供できる示した。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： 学習モデル ,  *学習 ,  *アルゴリズム ,  安全性 ,  *学習アルゴリズム ,  *ロボット ,  *移動ロボット ,  シミュレーション ,  相互作用
準シソーラス用語： *自律性 ,  最小距離 ,  *自律移動ロボット ,  *動的環境 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (7件)： 強化 ,  学習アルゴリズム ,  動的環境 ,  自律移動ロボット ,  拡張 ,  航法 ,  フレームワーク