文献

J-GLOBAL ID：201802251384605403   整理番号：18A0186941

作業者を考慮した強化学習【Powered by NICT】

Human-in-the-loop reinforcement learning

著者 (5件)： Liang Huanghuang (Center for Robotics, University of Electronic Science and Technology of China) ,  Yang Lu (Center for Robotics, University of Electronic Science and Technology of China) ,  Cheng Hong (Center for Robotics, University of Electronic Science and Technology of China) ,  Tu Wenzhe (Center for Robotics, University of Electronic Science and Technology of China) ,  Xu Mengjie (Center for Robotics, University of Electronic Science and Technology of China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CAC  ページ： 4511-4518  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： human-in-the-loop強化学習理論の枠組みを提示し,意思決定を駆動への応用を予測に焦点を当てた。現在,人間-自動車協調駆動技術は,大きな課題に直面している,複雑な道路条件下でhuman-in-the-loop学習フレームワークと運転意思決定者の最適化を考慮していない。本論文の主な内容は下記のとおり研究フレームワークを提案することを目的とした(1)ハイブリッド強化学習の基礎理論とモデル(2)ヒト運転者のためのハイブリッド強化学習アルゴリズム(3)オートパイロット,のためのハイブリッド強化学習アルゴリズム(4)駆動意思決定者検証プラットフォーム。本論文では,人間-機械ハイブリッド強化学習理論の枠組みの設定と人間-機械協調運転意思決定者,インテリジェント駆動の将来の基礎理論と鍵となる技術を提供する約二種類の典型的な困難のその解を予想することを目的としている。human-in-the-loop強化学習の研究のための潜在的指針として役立つ。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： 自動操縦装置 ,  道路 ,  自動車 ,  最適化 ,  *学習 ,  ヒト ,  学習アルゴリズム ,  モデル ,  意思決定者 ,  意思決定 ,  *強化学習
準シソーラス用語： 学習理論 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (1件)： 強化学習