文献

J-GLOBAL ID：201802288537106221   整理番号：18A0536425

マルチロボットシステムのための連結性を保存するための深部強化学習アプローチ【Powered by NICT】

A deep reinforcement learning approach to preserve connectivity for multi-robot systems

著者 (3件)： Huang Wanrong (State Key Laboratory of High Performance Computing (HPCL) College of Computer National University of Defense Technology 137 Yanwachi Street, Changsha, Hunan 410073, P.R. China) ,  Wang Yanzhen (State Key Laboratory of High Performance Computing (HPCL) College of Computer National University of Defense Technology 137 Yanwachi Street, Changsha, Hunan 410073, P.R. China) ,  Yi Xiaodong (State Key Laboratory of High Performance Computing (HPCL) College of Computer National University of Defense Technology 137 Yanwachi Street, Changsha, Hunan 410073, P.R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CISP-BMEI  ページ： 1-7  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： マルチロボットシステムは,様々な分野で電位値のための広く研究されてきたと移動ロボット内の結合性は多くの配位と協調アプリケーションにおいて重要な役割を果たす。本論文では,マルチロボットシステムのための接続性保存問題を解決するために,DDPGベース学習フレームワークを採用した。実装したフレームワークでは,多重ロボットシミュレーション環境は,アクター-クリティックアーキテクチャに基づく学習エージェント状態へと報酬フィードバックを提供するために開発した。DDPGベース剤はQ関数と政策関数をパラメータ化するために完全結合されたニューラルネットワークを適用した。採用した学習フレームワークと実装部品(ネットワークとシミュレータ)は,接続性保存問題をうまく解くことができ,それらは一連のシミュレーション結果により検証した。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： ネットワーク ,  *学習 ,  ニューラルネットワーク ,  多重化 ,  移動ロボット ,  *強化学習 ,  *マルチロボット ,  応用プログラム ,  *連結性 ,  シミュレーション ,  シミュレータ ,  パラメタリゼーション ,  フィードバック
準シソーラス用語： Q関数 ,  学習エージェント , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (5件)： マルチロボットシステム ,  連結性 ,  保存 ,  深部 ,  強化学習