文献

J-GLOBAL ID：202002269195452628   整理番号：20A1759703

自律マテリアルハンドリング車両によるタスク選択のための深層強化学習アプローチのシミュレーション解析【JST・京大機械翻訳】

Simulation analysis of a deep reinforcement learning approach for task selection by autonomous material handling vehicles

著者 (6件)： Li Maojia Patrick (Rochester Institute of Technology) ,  Sankaran Prashant (Rochester Institute of Technology) ,  Kuhl Michael E. (Rochester Institute of Technology) ,  Ganguly Amlan (Rochester Institute of Technology) ,  Kwasinski Andres (Rochester Institute of Technology) ,  Ptucha Raymond (Rochester Institute of Technology)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSC ’18  ページ： 1073-1083  発行年： 2018年 
JST資料番号： D0698C  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： 自律車両の使用は,材料取扱いとウェアハウスにおける成長傾向である。材料取扱に直面するいくつかの課題は,倉庫内のナビゲーション,精度の局所化と動き,およびタスク選択決定を含む。本論文では,タスク選択の問題に取り組んだ。特に,車両を複数のタスクの中から選択し,倉庫における材料取扱の文脈で最も近いタスクに移動するための,深い強化学習方法論を開発した。深層強化学習方法論を評価するために,シミュレーションベースの実験を行い,最初に訓練し,次にこの方法の能力を試験した。実験の結果は,この方法が与えられた条件下で良好に機能することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *シミュレーション ,  倉庫 ,  *マテリアルハンドリング ,  *強化学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 自律 ,  マテリアルハンドリング ,  タスク ,  深層強化学習 ,  シミュレーション解析