文献

J-GLOBAL ID：201802275431448843   整理番号：18A0199101

深部強化学習を用いたエアホッケー著しいの学習制御【Powered by NICT】

Learning Control for Air Hockey Striking Using Deep Reinforcement Learning

著者 (2件)： Taitler Ayal ,  Shimkin Nahum
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCAIRO  ページ： 22-27  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： エアホッケーゲームにおけるパックを打つロボット機構の学習制御政策の課題を考察した。制御信号はロボットの電動機への直接指令である。採点するためにパックを正確に運動スキルを学習するためのモデルフリー深強化学習フレームワークを採用した。は,そうでなければできない可能性がある場合には,深いQ学習アルゴリズムを可能にする標準学習方式への改良を提案した。著者らの改善は,事前知識を統合する学習スキームに,経験再生緩衝液中で試料の変化分布を説明する含んでいる。最後に著者らは,このタスクの成功学習を示す顕著な目的のためのシミュレーション結果,提案した修正によるアルゴリズム安定性の改善を示した。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： *学習 ,  *学習制御 ,  シミュレーション ,  ロボット ,  *強化学習 ,  電動機 ,  制御信号 ,  深部 ,  アルゴリズム
準シソーラス用語： 事前知識 ,  Q学習 ,  運動技能 ,  指令 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 深部 ,  強化学習 ,  エア ,  ホッケー ,  学習制御