文献

J-GLOBAL ID：201802222812706390   整理番号：18A1846302

実世界におけるヒューマン・ロボットインタラクションのための内的動機付け強化学習

Intrinsically motivated reinforcement learning for human-robot interaction in the real-world

著者 (4件)： Qureshi Ahmed Hussain (Department of System Innovation, Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka, Japan) ,  Nakamura Yutaka (Department of System Innovation, Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka, Japan) ,  Yoshikawa Yuichiro (Department of System Innovation, Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka, Japan) ,  Ishiguro Hiroshi (Department of System Innovation, Graduate School of Engineering Science, Osaka University, 1-3 Machikaneyama, Toyonaka, Osaka, Japan)
資料名： Neural Networks  (Neural Networks)
巻： 107  ページ： 23-33  発行年： 2018年11月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 自然な社会的ヒューマン・ロボットインタラクションのために,人間のようなソーシャルスキルを学習することはロボットにとって不可欠である。しかしながら,そのようなスキルの学習はロボットを教える人間からの直接指導の限られた利用可能性のために,非常に困難である。本論文では,エージェントが行動条件付き予測モデルを通して内的な動機付けに基づく報酬を得る,内的動機付け強化学習フレームワークを提案した。提案した方法を用いることにより,ロボットは実際の制御されていない環境で集めたヒューマン・ロボットインタラクション経験から,ソーシャルスキルを学習した。その結果,テストデータセットにおいてロボットはタスク達成のために直接報酬を受け取るロボットよりも,人間のようなソーシャルスキルを獲得するだけでなく,より人間的な意思決定を行うことを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  エージェント ,  *ロボット ,  意思決定 ,  *強化学習 ,  *相互作用 ,  *動機づけ ,  予測モデル ,  *ヒューマンインタフェイス ,  行為 ,  評価試験 ,  *学習アルゴリズム ,  Boltzmannマシン ,  ベンチマーク
準シソーラス用語： *ディープラーニング ,  *ヒューマンロボットインタラクション ,  指令 ,  深層学習

著者キーワード (5件)： 固有の動機づけ ,  深部強化学習 ,  人間-ロボット相互作用 ,  社会ロボット ,  実世界ロボット

分類 (4件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (5件)： 世界 ,  ロボット ,  インタラクション ,  動機付け ,  強化学習