文献

J-GLOBAL ID：201702263009759811   整理番号：17A1271350

学習ツリーを探索する急速【Powered by NICT】

Rapidly exploring learning trees

著者 (3件)： Shiarlis Kyriacos (Informatics Institute, University of Amsterdam, The Netherlands) ,  Messias Joao (Informatics Institute, University of Amsterdam, The Netherlands) ,  Whiteson Shimon (Department of Computer Science, University of Oxford, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 1541-1548  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： 経路計画のための逆強化学習(IRL)は実証から困難な問題のためのコスト関数を学習するロボット可能,ハード符号化の代わりに。しかし,IRL法は,高価な計画手順を繰り返すことの必要性に由来する実用的な限界に直面している。本論文では,高速探索学習木(RLT*),最適高速探索ランダムツリー(RRT*)のコスト関数を学習する実証から,より複雑な作業に適用できる逆学習方法を提案した。提案アプローチでは,最大マージン計画を拡張したRRT*費用関数で作動した。さらに著者らは,この方法の計算コストを大幅に低減するキャッシング方式を提案した。ソーシャルナビゲーションシナリオからのシミュレーションと実際のロボットデータ上での実験結果により,RLT*は,既存の方法よりもより低い計算コストで優れた性能を達成することを示した。は,実際のテレプレゼンスロボットのRLT~*と学習制御政策を展開することに成功した。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： 学習制御 ,  *学習 ,  費用関数 ,  *高速度 ,  ロボット ,  経路探索 ,  符号化
準シソーラス用語： キャッシング ,  計算コスト ,  学習方法 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 学習 ,  探索