抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ヒューマノイドロボットの全身挙動,実証に類似して達成するための動的模倣学習を研究し,動的バランスを保持した。成功した方法の大部分は複雑な数値最適化または強化学習に基づいている;ので,それらは長時間計算またはかなりの数の試験を必要とする。本論文では,Kullback-Leibler制御に基づく新しいモデルフリー模倣学習フレームワーク,ロボットに人間教師から実証軌道を速やかに適合できるを提案することによりこの問題を軽減する。最初に,ロボットの目標軌道の数はランダム探査によって生成され,実際の状態遷移データセットを貯蔵するロボットにより実行される。第二,実現可能な状態遷移データ(転倒なし)のみがデータセットから抽出した。これらのデータを用いて,実現可能なロボット行動の抽象モデルとして動的に一貫した状態遷移モデルを学習した。新たに投与した場合,ロボットは,実証軌道を模倣できる学習状態遷移モデルを用いたKL制御の解析解を計算することにより,動的バランスを維持した。は,ヒトデモンストレータの低次元共有潜在空間とロボット,カーネル正準相関分析を用いて抽出できるに埋め込むことを提案することによって,高次元のロボットのためのフレームワークのスケーラビリティを拡張した。小型ヒューマノイドロボット(NAO)モデルと人間のモーションキャプチャデータを用いたいくつかの実験を行った。,MATLAB実装における0.1s以下の全身挙動の動的模倣学習を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】