文献

J-GLOBAL ID：201802226925061628   整理番号：18A0186043

定性的空間表現を用いた強化学習結果の改善【Powered by NICT】

Improving Reinforcement Learning Results with Qualitative Spatial Representation

著者 (5件)： Homem Thiago Pedro Donadon ,  Perico Danilo Hernani ,  Santos Paulo Eduardo ,  Costa Anna Helena Reali ,  Bianchi Reinaldo Augusto da Costa
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BRACIS  ページ： 151-156  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： 強化学習と定性的空間推論方法を首尾よくゲームにおける人工知能問題を解くことができるエージェントの創造に適用し,ロボット,模擬又は実際した。一般的に,強化学習法は定量的な値としてオブジェクトの位置を示し,これらの値を考慮した実験を行った。しかし,世界のhumancommonsense理解は定性的なレベルである。ハイブリッド法,強化学習と定性的形式を用いたQRLを提案し,従来の方法よりも良好な結果を得ることができた。ロボットサッカー領域におけるこの提案を適用し,従来の強化学習法による結果を比較した。結果は,強化学習を用いた定性的空間表現を用いて,エージェントは最適政策を学習し定量的表現よりもより目標を行うことができることを示した。Copyright 2018 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： ロボット ,  エージェント ,  人工知能 ,  *強化学習 ,  ゲーム
準シソーラス用語： ロボットサッカー ,  ハイブリッド法 ,  空間推論 ,  *空間表現 , 【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)： 空間表現 ,  強化学習