文献

J-GLOBAL ID：201702297150835346   整理番号：17A1257579

コンセンサスQ学習によるマルチロボット協調計画【Powered by NICT】

Multi-robot cooperative planning by consensus Q-learning

著者 (4件)： Sadhu Arup Kumar (Department of Electronics and Telecommunication Engineering. Jadavpur University, India) ,  Konar Amit (Department of Electronics and Telecommunication Engineering. Jadavpur University, India) ,  Banerjee Bonny (Institute for Intelligent Systems, and Dept. of Electrical & Computer Engineering, The University of Memphis, USA) ,  Nagar Atulya K. (Mathematics and Computer Science Department, Liverpool Hope University, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 4158-4164  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： マルチロボット協力が共通の目的のための複数ロボットによる計画を必要とする,各ロボット/エージェントが環境から受けた感覚情報に及ぼす環境ベースに作動させる。平衡を基礎とした強化学習を用いたマルチロボット協調システム資源(時間および/またはエネルギー)利用の意味で最適である,ロボットによる環境の事前適応のためであった。残念なことに,ロボットは多重型平衡の(ここではNash平衡または相関平衡)の存在下での強化学習の利点を享受することができない。上記のような視点において,ロボットは戦略を用いた適応する必要がある,ロボット学習の各段階における最適平衡を選択することができる。論文は,複数タイプの最適平衡選択のボトルネックを解決するために合意に基づくマルチエージェントQ学習を提案した。解析はコンセンサス(関節作用)を配位型純粋戦略Nash均衡と同様に純粋戦略相関平衡であることを明らかにした。平均報酬の点から伝統的な参照アルゴリズムよりも提案したコンセンサスに基づくマルチエージェントQ学習アルゴリズムの優位性を実験で示した。さらに,提案した合意に基づく計画アルゴリズムをベンチマークとしてマルチロボットスティック運搬問題を考慮した検証した。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： Nash均衡 ,  エージェント ,  多重化 ,  アルゴリズム ,  *マルチロボット ,  ベンチマーク ,  強化学習 ,  *ロボット
準シソーラス用語： マルチエージェント ,  ロボット学習 ,  協調システム ,  *Q学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (5件)： コンセンサス ,  Q学習 ,  マルチロボット ,  協調 ,  計画