文献

J-GLOBAL ID：201702243279659324   整理番号：17A1271545

ロボット制御のための適応カーネルを用いたBayes最適化【Powered by NICT】

Bayesian optimization with adaptive kernels for robot control

著者 (1件)： Martinez-Cantin Ruben (Centro Universitario de la Defensa, Zaragoza, Spain. and SigOpt, Inc.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3350-3356  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： アクティブポリシー探索は最適ポリシーを見つける積極的にBayes最適化を用いたポリシー探索から試行錯誤法を組み合わせたものである。ポリシー探索はロボット制御のための,複雑な連続状態および行動空間を扱う能力のために非常に一般的になっている型強化学習である。第二に,Bayes最適化は代理モデルを使用し,Gauss過程のような試料の効率的な大域的最適化手法,および最適化プロセス中の各試料を注意深く選ぶことの最適意思決定である。各試験は実際のロボット,高価なモンテカルロ法,または複雑なシミュレータを含む時,試料効率は最も重要である。ブラックボックスBayes最適化は一般的に,定常的プロセスからのコスト関数を仮定し,非定常モデリングは通常事前知識に基づいているからである。しかし,多くの制御問題は,それらの破壊条件,末端状態と他の急激な効果のためには本質的に非定常。本論文では,Bayes最適化用に特別に設計したカーネル関数,事前知識無しで非定常モデリングを可能にし,適応局所領域を用いたものを提案した。新しいカーネルは,改善された局所探索(開発)をもたらし,大域的探索(探査)を不利にすることなく,よく知られた最適化ベンチマークとロボット制御シナリオで実験的に示された。最後に,無人機の翼形状の設計のためのその可能性を示した。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： 強化学習 ,  意思決定 ,  ベンチマーク ,  ブラックボックス ,  *ロボット ,  *最適化 ,  無人機 ,  費用関数 ,  Gauss過程 ,  モンテカルロ法 ,  モデリング
準シソーラス用語： 事前知識 ,  非定常性 ,  大域的最適化 ,  *ロボット制御 , 【Automatic Indexing@JST】

分類 (5件)： 電気式制御機器  (IC02020Y) ,  プレス加工  (WC04050H) ,  放射線検出・検出器  (AD08020J) ,  固体デバイス計測・試験・信頼性  (NC03040G) ,  冷凍装置  (PD03000T)

タイトルに関連する用語 (4件)： ロボット制御 ,  適応 ,  カーネル ,  Bayes最適化