文献

J-GLOBAL ID：201702275755998951   整理番号：17A1271546

深部強化学習を用いた屋内シーンにおけるターゲット駆動による視覚ナビゲーション【Powered by NICT】

Target-driven visual navigation in indoor scenes using deep reinforcement learning

著者 (7件)： Zhu Yuke (Stanford University) ,  Mottaghi Roozbeh (Allen Institute for AI) ,  Kolve Eric (Allen Institute for AI) ,  Lim Joseph J. (Stanford University) ,  Gupta Abhinav (Allen Institute for AI) ,  Fei-Fei Li (Stanford University) ,  Farhadi Ali (Allen Institute for AI)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3357-3364  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： 深部強化学習の二で言及した課題は,(1)新しい目標への一般化能力の欠如,および(2)データ非効率であり,すなわち,モデルが収束する試行錯誤のいくつかの(しばしば高価)エピソードを必要とし,それは実世界シナリオへの応用が実用的でなくなった。本論文では,これら二つの問題に対処し,目標駆動視覚ナビゲーションにこのモデルを適用した。第一の課題を解決するために,著者らは,政策目標の関数だけでなく,優れた汎化が可能であるactor-criticモデルを提案した。第二の問題を解決するために,AI2THORフレームワーク,高品質3Dシーンと物理エンジン環境を提案した。筆者らのフレームワークは行動を取ると物体と相互作用する剤を可能にした。,膨大な数の訓練サンプルを収集できる。著者らの提案した方法(1)は,最新の深い強化学習法よりも速く収束することを示す,(2)ターゲットとシーンを横切るgeneralizes,(3)少量の微調整の(モデルをシミュレーションで訓練されるが)と実際のロボットシナリオにgeneralizes,(4)エンドツーエンド訓練可能であり,環境の特徴工学,フレーム間の特徴マッチングまたは3D再構成を必要としない。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： *深部 ,  エンドツーエンド方式 ,  相互作用 ,  *強化学習 ,  汎化 ,  小規模 ,  三次元
準シソーラス用語： 3D画像再構成 ,  特徴マッチング ,  微調整 ,  高品質 ,  エピソード ,  *屋内 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (6件)： 深部 ,  強化学習 ,  屋内 ,  シーン ,  ターゲット ,  視覚ナビゲーション