文献

J-GLOBAL ID：201702267576672150   整理番号：17A1277276

強化学習を用いた3リンク平面アームの制御【Powered by NICT】

Three-link planar arm control using reinforcement learning

著者 (4件)： Kim Wonchul (Department of Mechanical and Aerospace Engineering, Seoul National University, Seoul, 08826, Korea) ,  Kim Taewan (Department of Mechanical and Aerospace Engineering, Seoul National University, Seoul, 08826, Korea) ,  Kim H. Jin (Department of Mechanical and Aerospace Engineering, Seoul National University, Seoul, 08826, Korea) ,  Kim Sungwan (Department of Biomedical Engineering, Seoul National University Hospital, Seoul, 110-744, Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： URAI  ページ： 424-428  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： 本論文では,3DOFマニピュレータを制御するための強化学習(RL)を適用した。学習に関する政策時間差(TD)学習を用いて達成した。マニピュレータを制御するために,TD剤は各角度を調整することによりロボットの運動を担当している。最初の電流と次状態-行動値とハッシュテーブルを更新することによって,SARSAアルゴリズム,受信報酬を実装した。しかし,従来のRLアルゴリズムは計算負荷の問題を持っているので,著者らは仮定と状態のためのベクトル値とマルチエージェント手法を適用したRLアルゴリズムを提案した。古典的RLアルゴリズムの結果を提示し,提案アプローチと比較した。シミュレーションのために,著者らは二例の三リンク平面アームを試験:固定目標点とランダム目標点にエンドエフェクタを位置づけている。シミュレーションの結果は,ロボットが計算負荷の改善と成功裏にミッションを完了することを示した。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： *学習 ,  *強化学習 ,  ベクトル ,  受信 ,  *アーム ,  ロボット ,  アルゴリズム ,  マニピュレータ ,  電流
準シソーラス用語： マルチエージェント ,  計算負荷 ,  ハッシュテーブル ,  時間差 , 【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)： 強化学習 ,  リンク