文献

J-GLOBAL ID：201902215644129277   整理番号：19A2238457

共通部分目標によるスキル獲得と伝達【JST・京大機械翻訳】

Skill acquisition and transfer through common subgoals

著者 (2件)： Gokce Baris (Department of Computer Engineering, Bogazici University, Istanbul, Turkey) ,  Akin H Levent (Department of Computer Engineering, Bogazici University, Istanbul, Turkey)
資料名： International Journal of Advanced Robotic Systems (Web)  (International Journal of Advanced Robotic Systems (Web))
巻： 16  号： 2  ページ： 1729881419831555  発行年： 2019年 
JST資料番号： U7018A  ISSN： 1729-8814  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： 住宅のような社会環境におけるロボットの使用の主な挑戦は,作業の頻繁な変化に対処している。すべてのタスクの可能な全てのケースに対する実装により実現できないので,ロボットはそれ自身により新しい問題に対する解を見出すべきである。そこで,学習は,変化するタスクを扱うロボットの主要な能力の一つである。しかし,学習を通して複雑なタスクに対する準最適解を見出すことは一般的に時間がかかる。一方,人間における学習は,事前知識を転送することにより,不適切なプロセスであり,非常に高速である。本研究では,学習過程で発見されたタスクの部分集合から知識ベース(スキルライブラリと呼ぶ)を構築した。遭遇するタスクのほとんどは共通のサブセットを持つので,スキルライブラリは,新しいタスクの戦略を学習しながら,以前の経験を転送することを可能にする。ロボットは,前進するタスクを学習することの困難さを減少させるために,徐々にスキルを蓄積する。テストベッドとして異なる未知環境でナビゲーションを選択した。結果は,特に初期のエピソードにおけるロボットの性能,全体の学習プロセスのコストにおける実質的な減少,および(近い)最適な政策への収束時間において,著しい改善を示した。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  強化学習 ,  知識ベース ,  *学習 ,  ロボット ,  部分集合
準シソーラス用語： エピソード ,  未知環境 ,  テストベッド ,  学習過程 ,  事前知識 ,  準最適解 ,  社会環境 , 【Automatic Indexing@JST】

著者キーワード (4件)： 生涯学習 ,  伝達学習 ,  強化学習 ,  ロボット工学

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ロボット工学一般  (IC04011S)

タイトルに関連する用語 (3件)： 目標 ,  スキル ,  獲得