文献

J-GLOBAL ID：201802228030797857   整理番号：18A0443735

Q学習を用いた移動ロボットのための自律的探査【Powered by NICT】

Autonomous exploration for mobile robot using Q-learning

著者 (3件)： Liu Yang (Key Laboratory of Electro-Magnetic Field and Electrical Apparatus Reliability of Hebei province, Hebei University of Technology, Tianjin, 300401, China) ,  Liu Huaping (Department of Computer Science and Technology, Tsinghua University, State Key Lab. of Intelligent Technology and Systems, TNLIST, Beijing, China) ,  Wang Bowen (Key Laboratory of Electro-Magnetic Field and Electrical Apparatus Reliability of Hebei province, Hebei University of Technology, Tianjin, 300401, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICARM  ページ： 614-619  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： 本論文では,屋内環境における移動ロボットの経路計画機能を実現するOS-ELM(オンラインシーケンシャル極限学習機械(extreme learning machine)に基づく強化学習ネットワークを提案した。Q学習,モデル無し強化学習技術により,移動ロボットが自律的に室を横断すると絶対ストレンジ環境における障害物回避機能を訓練するために学習する標的を探索することができる。システムは,Q OS ELMネットワークに基づいている。伝統的な逆伝搬ニューラルネットワークを用いる代わりに,ELMはQ関数近似の効率と速度を改善できた。従来型ELM(極端学習機械)ネットワークと比較して,OS-ELMをリアルタイムで出力量,試料のスタッキングと冗長性を減少させ,Qネットワークの効率を大幅に改善することを更新できた。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： 学習機械 ,  経路探索 ,  強化学習 ,  近似法 ,  障害物回避 ,  冗長性 ,  ネットワーク ,  モデル ,  屋内環境 ,  *移動ロボット
準シソーラス用語： 極度学習機械 ,  Q関数 ,  逆伝播ニューラルネットワーク ,  *自律性 ,  *Q学習 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： Q学習 ,  ロボット ,  探査