文献

J-GLOBAL ID：201702271724789275   整理番号：17A1271550

非同期オフポリシー更新によるロボット操作のための深部強化学習【Powered by NICT】

Deep reinforcement learning for robotic manipulation with asynchronous off-policy updates

著者 (4件)： Gu Shixiang (Google Brain) ,  Holly Ethan (Google Brain) ,  Lillicrap Timothy (Google DeepMind) ,  Levine Sergey (Google Brain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3389-3396  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： 強化学習は,最少のヒト介入した行動スキルの大きなレパートリーを学習する自律ロボットを可能にする可能性を秘めている。しかし,強化学習のロボット応用はしばしば実際の物理システムのための実用的であることを訓練時間を達成するのに学習過程の自律性を損なう。これは典型的に手操作政策表現とヒト供給実証を導入した。深部強化学習は訓練汎用ニューラルネットワーク政策によってこの限界を軽減するが,直接深い強化学習アルゴリズムの応用は,これまでシミュレートした設定と比較的簡単なタスクに限定されており,それらの見かけの高い試料の複雑性に起因した。本論文では,深いQ関数のオフポリシー学習に基づく最近の深い強化学習アルゴリズムは複雑な3次元操作タスクに拡張でき,実際の物理的ロボットの訓練に十分効率的に深層ニューラルネットワーク政策を学習できることを示した。訓練時間はそれらの政策は非同期的に更新するプール複数ロボットを横切るアルゴリズム手法を並列化することによってさらに減少できることを実証した。実験評価により,提案手法では,シミュレーションにおける3D作業スキルの多様性と事前実証または手動設計表現のない実際のロボットのスキルを開く錯体ドアを学ぶことができることを示した。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： ヒト ,  マルチロボット ,  ニューラルネットワーク ,  *ロボット ,  *学習 ,  自律ロボット ,  アルゴリズム ,  学習アルゴリズム ,  *深部 ,  三次元 ,  *強化学習
準シソーラス用語： Q関数 ,  複雑性 ,  自律性 ,  学習過程 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 非同期 ,  更新 ,  ロボット ,  深部 ,  強化学習