文献

J-GLOBAL ID：201702219991844810   整理番号：17A1563181

単一ロボット・ホース輸送タスクにおける強化学習制御の概念の物理的証明は完全にする【Powered by NICT】

Making physical proofs of concept of reinforcement learning control in single robot hose transport task complete

著者 (8件)： Lopez-Guede Jose Manuel (Department of Systems Engineering and Automatic Control, Faculty of Engineering of Vitoria, Basque Country University (UPV/EHU), Nieves Cano 12, Vitoria, 01006, Spain) ,  Lopez-Guede Jose Manuel (Computational Intelligence Group, The Basque Country University (UPV/EHU), Spain) ,  Estevez Julian (Computational Intelligence Group, The Basque Country University (UPV/EHU), Spain) ,  Estevez Julian (Department of Mechanical Engineering, Faculty of Engineering of Gipuzkoa, Basque Country University (UPV/EHU), Plaza Europa 1, San Sebastian, 20018, Spain) ,  Garmendia Asier (Computational Intelligence Group, The Basque Country University (UPV/EHU), Spain) ,  Garmendia Asier (Department of Mechanical Engineering, Faculty of Engineering of Gipuzkoa, Basque Country University (UPV/EHU), Plaza Europa 1, San Sebastian, 20018, Spain) ,  Grana Manuel (Computational Intelligence Group, The Basque Country University (UPV/EHU), Spain) ,  Grana Manuel (Department of Computer Science and Artificial Intelligence, Faculty of Informatics, Basque Country University (UPV/EHU), Paseo Manuel de Lardizabal 1, San Sebastian, 20018, Spain)
資料名： Neurocomputing  (Neurocomputing)
巻： 271  ページ： 95-103  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リンクされたマルチコンポーネントロボットシステム(LMCRS)のパラダイムにおける概念実験の物理的証明の実現を検討した。主な目的はシミュレータにおける異なる状態空間定式化と異なる空間離散化を用いた強化学習(RL)アルゴリズムを通して得られたコントローラは単一ロボットによるホースを輸送タスクの実世界構成における信頼できることを実証することである。はLMCRSタスク(より複雑なタスクに拡張可能である)の典型的な例である。は完全なシステムを設計し,実装されているかを記述した。二種類の以前に学んだRLコントローラを二つの異なるLMCRS制御問題を解く,各ケースにおける異なる状態空間モデル化と離散化ステップを用いて試験した。物理的実現は以前に発表されたシミュレーションに基づく結果を検証,LMCRS系を取り扱うためにRL技術の適合性のための強い論拠を与えた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *強化学習 ,  シミュレータ ,  アルゴリズム ,  *ロボット ,  適応性 ,  定式化 ,  制御装置 ,  *ホース
準シソーラス用語： ロボットシステム ,  離散化 ,  状態空間モデル ,  空間離散化 ,  状態空間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 強化学習 ,  結合した多成分ロボットシステム ,  LMCRS ,  ホース輸送 ,  概念の証明

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (9件)： ロボット ,  ホース ,  輸送 ,  タスク ,  強化 ,  学習制御 ,  概念 ,  物理 ,  証明