文献

J-GLOBAL ID：201802244093786447   整理番号：18A0624211

強化学習コントローラのための安全な探索アルゴリズム【Powered by NICT】

Safe Exploration Algorithms for Reinforcement Learning Controllers

著者 (4件)： Mannucci Tommaso (Control and Simulation Division, Faculty of Aerospace Engineering, Delft University of Technology, Delft, The Netherlands) ,  van Kampen Erik-Jan (Control and Simulation Division, Faculty of Aerospace Engineering, Delft University of Technology, Delft, The Netherlands) ,  de Visser Cornelis (Control and Simulation Division, Faculty of Aerospace Engineering, Delft University of Technology, Delft, The Netherlands) ,  Chu Qiping (Control and Simulation Division, Faculty of Aerospace Engineering, Delft University of Technology, Delft, The Netherlands)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 4  ページ： 1069-1081  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 強化学習のような,自己学習アプローチは,不確実又は時変システムの自律制御のための新しい可能性を提供する。しかし,限られた予測能力下で未知の環境を探索する学習エージェントの課題である。環境は危険であるならば,自由探訪は物理的損傷または他の許容できない行動を生じる可能性がある。既存の方法に関しては,本論文の主な貢献は,全体的な安全機能を必要としない新しいアプローチ,動力学または環境の特定製剤の定義であるが,探索時期の際に剤の動力学の区間推定に依存している,致命的な状態の存在を認識する剤の限られた能力を仮定した。二つのアルゴリズムは,このアプローチを示した。第一はリスク認知アルゴリズム(SHERPA)を用いた安全性処理探査,個別一時的安全機能による安全性,バックアップを提供する。SHERPAは,シミュレートされた,単純化したクワッドロータータスク,危険状態を回避を示した。命名OptiSHERPA,第二のアルゴリズムは,SHERPAは安全計量を用いて十分でない複雑なシステムをより動的に処理できる。OptiSHERPAの適用は航空機高度制御タスク上でシミュレートした。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： 不確実性 ,  *アルゴリズム ,  時変系 ,  *制御装置 ,  *強化学習 ,  *安全性 ,  航空機
準シソーラス用語： 高度制御 ,  リスク認知 ,  区間推定 ,  安全機能 ,  学習エージェント ,  自律制御 ,  自己学習 ,  *探索アルゴリズム , 【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)： 強化学習 ,  コントローラ ,  探索アルゴリズム