文献

J-GLOBAL ID：201802247908804255   整理番号：18A1809422

深部強化学習を用いた模擬物体の自動歩容生成【JST・京大機械翻訳】

Automated Gait Generation for Simulated Bodies Using Deep Reinforcement Learning

著者 (4件)： Ananthakrishnan Abhishek (Computer Engineering Department, K. J. Somaiya College of Engineering, Vidyavihar, Mumbai) ,  Kanakiva Vatsal (Computer Engineering Department, K. J. Somaiya College of Engineering, Vidyavihar, Mumbai) ,  Ved Dipen (Computer Engineering Department, K. J. Somaiya College of Engineering, Vidyavihar, Mumbai) ,  Sharma Grishma (Computer Engineering Department, K. J. Somaiya College of Engineering, Vidyavihar, Mumbai)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICICCT  ページ： 90-95  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： これらの日を解決するための一般的な問題は,身体が自律的に移動するようなアルゴリズムを提案することである。最も効率的で一般的な最新アルゴリズムのいくつかは,深い再強化学習アルゴリズムである。本論文において,著者らは,最近の時間から3つのそのようなアルゴリズムを研究した。すなわち,深い決定的極性勾配,加算器臨界,およびProximal政策最適化である。著者らは,エポチ当たりの平均報酬の性能計量に関するアルゴリズムを実行して比較した。著者らの実装により,提案したアルゴリズムの効率に関する著者らの結論を引き出し,同一に基づくアルゴリズムをランク付けした。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： *歩容 ,  最適化 ,  等級づけ ,  *強化学習 ,  学習アルゴリズム ,  アルゴリズム ,  *深部 ,  極性 ,  臨界 ,  加算器
準シソーラス用語： 自律性 , 【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 (4件)： 深部 ,  強化学習 ,  物体 ,  歩容