文献

J-GLOBAL ID：201702263358834285   整理番号：17A1207210

ディープQ-ネットワークによる移動ロボットの行動獲得に関する実験的研究

Experimental Study on Behavior Acquisition of Mobile Robot by Deep Q-Network

著者 (3件)： SASAKI Hikaru (Nara Inst. Sci. and Technol., Nara, JPN) ,  HORIUCHI Tadashi (Matsue Coll., Shimane, JPN) ,  KATO Satoru (Matsue Coll., Shimane, JPN)
資料名： Journal of Advanced Computational Intelligence and Intelligent Informatics  (Journal of Advanced Computational Intelligence and Intelligent Informatics)
巻： 21  号： 5  ページ： 840-848  発行年： 2017年09月20日 
JST資料番号： F1398A  ISSN： 1343-0130  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： ディープQ-ネットワーク(DQN)はディープ強化学習の最も有名な手法の1つである。DQNは畳込みニューラルネットワーク(CNN)を用いて行動価値関数を近似し,Q-学習を用いてそれを更新する。本研究において,筆者らはシミュレーション環境においてDQNをロボット行動学習に対して適用した。筆者らはロボットシミュレーションソフトウェアWebotsを用いて二輪移動ロボット用のシミュレーション環境を構築した。移動ロボットは入力データとして供給された高次元視覚情報から学習する事によって壁の回避及び中心線に沿った移動のような良好な行動を取得した。筆者らは学習性能が突然落ちた時でさえも最良目標ネットワークを再利用する手法を提案した。更に,筆者らは学習を加速化させるために利益分配法をDQNへと組み入れた。シミュレーション実験を通して,筆者らは筆者らの手法が効果的である事を確認した。(翻訳著者抄録)

シソーラス用語： *ロボット ,  *強化学習 ,  ニューラルネットワーク ,  利益分配 ,  *知識獲得 ,  *移動ロボット ,  ネットワーク
準シソーラス用語： *Q学習 ,  *ディープQ-ネットワーク ,  *行動獲得 ,  畳込みニューラルネットワーク

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

引用文献 (18件)：

• V. Mnih et al., “Playing Atari with Deep Reinforcement Learning,” Proc. of NIPS 2013 Deep Learning Workshop, 2013.
• V. Mnih et al., “Human-level Control through Deep Reinforcement Learning,” Nature, Vol.518, pp. 529-533, 2015.
• Y. LeCun et al., “Gradient-based Learning applied to Document Recognition,” Proc. of the IEEE, Vol.86, No.11, pp. 2278-2324, 1998.
• Y. Matsuo, “Expectation of Robot Field from Artificial Intelligence Field,” J. of the Robotics Society of Japan, Vol.35, No.3, pp. 2-7, 2017 (in Japanese).
• E. Yong, “Inside the Eye: Nature’s Most Exquisite Creation,” National Geographic Magazine, Vol.22, No.2, 2016.

タイトルに関連する用語 (3件)： ロボット ,  行動獲得 ,  実験的研究