文献

J-GLOBAL ID：201702237229441418   整理番号：17A1055360

ロボットスキルのデータ効率的な一般化のためのモデルベースの文脈政策探索【Powered by NICT】

Model-based contextual policy search for data-efficient generalization of robot skills

著者 (8件)： Kupcsik Andras (National University of Singapore, Department of Electrical and Computer Engineering, 4 Engineering Drive 3, Singapore 118571, Singapore) ,  Kupcsik Andras (National University of Singapore, School of Computing, 13 Computing Drive, Singapore 117417, Singapore) ,  Deisenroth Marc Peter (Imperial College London, Department of Computing, 180 Queen’s Gate, London SW7 2AZ, United Kingdom) ,  Peters Jan (Technische Universitaet Darmstadt, Fachbereich Informatik, Fachgebiet Intelligente Autonome Systeme, Hochschulstr. 10, D-64289 Darmstadt, Germany) ,  Peters Jan (Max-Planck Institute for Intelligent Systems, Spemannstrasse 38, 72076 Tuebingen, Germany) ,  Loh Ai Poh (National University of Singapore, Department of Electrical and Computer Engineering, 4 Engineering Drive 3, Singapore 118571, Singapore) ,  Vadakkepat Prahlad (National University of Singapore, Department of Electrical and Computer Engineering, 4 Engineering Drive 3, Singapore 118571, Singapore) ,  Neumann Gerhard (Technische Universitaet Darmstadt, Fachbereich Informatik, Fachgebiet Intelligente Autonome Systeme, Hochschulstr. 10, D-64289 Darmstadt, Germany)
資料名： Artificial Intelligence  (Artificial Intelligence)
巻： 247  ページ： 415-439  発行年： 2017年 
JST資料番号： E0180C  ISSN： 0004-3702  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： ロボットでは,低レベルコントローラは,ロボットが固定文脈における特定のタスクを解くために通常使用される。例えば,下位レベル制御器は打球動作を符号化できる状況はターゲット座標を定義するヒットした。しかし,多くの学習問題における文脈はタスク実行の間の変化する可能性がある。新しい文脈に政策を適応させるために,著者らは新しい状況に低レベルコントローラを一般化する上層政策を学習することにより階層的アプローチを利用した。このような上層政策を学習するための一般的なアプローチは,ポリシー探索を使用することである。しかし,電流文脈ポリシー探索アプローチの大部分はモデルフリーとロボットとその環境との多数の相互作用を必要とする。モデルに基づく手法では,ロボット実験の量を大幅に低減することが知られているが,電流モデルベース技術は学習文脈上層政策の問題に直接的に適用できない。政策の特異的パラメータ化と報酬関数,文脈ポリシー探索定式化においてしばしば非現実的に依存する。本論文では,低レベルコントローラを一般化することができ,データ効率的であることを新しいモデルベース文脈ポリシー探索アルゴリズムを提案した。我々のアプローチは,学習した確率的順方向モデルと情報理論的ポリシー探索に基づいている。電流アルゴリズムとは異なり,提案手法では,政策や報酬関数のパラメータ化にいかなる仮定も必要としない。提案した学習フレームワークは,既存の方法と比較して学習プロセスを加速する大きさの二桁まで複雑な模擬ロボット作業と実際のロボット実験を示し,高品質政策を学習した。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： 符号化 ,  アルゴリズム ,  相互作用 ,  *汎化 ,  学習 ,  *モデル ,  *ロボット ,  上層 ,  パラメタリゼーション ,  制御装置 ,  情報理論 ,  電流
準シソーラス用語： 探索アルゴリズム ,  報酬関数 ,  *モデルベース , 【Automatic Indexing@JST】

著者キーワード (9件)： ロボット ,  強化学習 ,  文脈政策は探索 ,  モデルに基づく政策は探索 ,  ロボットスキルは般化 ,  Gauss過程 ,  運動プリミティブ ,  ロボット卓球 ,  ロボットホッケー

分類 (2件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (7件)： ロボット ,  スキル ,  一般化 ,  モデルベース ,  文脈 ,  政策 ,  探索