文献

J-GLOBAL ID：201802234836956385   整理番号：18A1772686

マルチエージェント知的知識分布のための制約付きアクションPOMDP【JST・京大機械翻訳】

Constrained-Action POMDPs for Multi-Agent Intelligent Knowledge Distribution

著者 (4件)： Fowler Michael (Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA) ,  Tokekar Pratap (Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA) ,  Charles Clancy T. (Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA) ,  Williams Ryan K. (Department of Electrical and Computer Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 1-8  発行年： 2018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,マルチエージェント知識分布の基本的な問題に取り組んだ。すなわち,各エージェントに利用可能な限られた資源により,どのような情報を送るべきか?知的知識分布はこれらの質問に答える枠組みである。マルチエージェントシステムのための通信要件は,環境の正確な画像と他のエージェントの状態を維持しなければならないとき,かなり高いことができる。通信を含むシステムに及ぼすマルチエージェント協調の影響を減らすために,本論文は,部分的に観察可能なMarkov決定プロセスに関する行動ベースの制約の概念を導入して,Kullback-Leiblerディバージェンスによって駆動された情報の値と離散的最適化とMarkov連鎖モンテカルロ解析を通して確率的制約満足度に基づいた。知的知識分布は,情報コンテンツを決定することによって駆動される。エージェントは,システム目的に対する情報の重要性または関連性とともに,特定の情報を受け取ることによって得られる。無限層政策に関する制約解析を実行するために,ポリシーを有限状態制御器として表現し,Markov連鎖モンテカルロ解析を可能にし,制約が満たされる確率レベルを決定する。本論文で示した事例ミッションに対する性能の解析は,シミュレーションで見られる最高の制約の間に制約された制御器を示し,最小制約保証(80%)を満たすために構築できるが,非制約最適制御装置は時間の10%を満たすだけである。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  最適化 ,  制御装置 ,  Markov連鎖 ,  画像 ,  通信 ,  *エージェント ,  マルチエージェントシステム
準シソーラス用語： 情報コンテンツ ,  *マルチエージェント ,  POMDP ,  確率的制約 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： マルチエージェント ,  知識 ,  分布 ,  制約 ,  アクション ,  POMDP