文献

J-GLOBAL ID：202002269923361589   整理番号：20A1073585

空港表面移動計画に適用した深部強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning Applied to Airport Surface Movement Planning

著者 (5件)： Tien Shin-Lai Alex (The MITRE Corporation,McLean,VA) ,  Tang Huang (The MITRE Corporation,McLean,VA) ,  Kirk Daniel (The MITRE Corporation,McLean,VA) ,  Vargo Erik (The MITRE Corporation,McLean,VA) ,  Liu Sheng (The MITRE Corporation,McLean,VA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： DASC  ページ： 1-8  発行年： 2019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： 本論文では,空港表面移動計画に対する人工知能(AI)深層強化学習(DRL)モデル適用について述べた。サポートの特定の領域には,飛行の自由な経路を計画すること,衝突を避けるための飛行行動,飛行時間制約を満たすことが含まれている。著者らは,ConvolutionalニューラルネットワークによるDRLモデルを活用するための表面操作環境とスケジュール制約を表現するためのユニークな方法を記述し,また,仮想空港における経路選定表面トラフィックのための訓練プロセスと性能を実証した。提案したモデルはシミュレーションから完全に学習し,不完全スケジュール情報を扱い,複数の飛行の同時再ルーティングを協調させるために,矛盾のない経路を発見するための逐次決定を行う。現実的な空港のために一度適応し訓練されたDRLモデルは,表面経路計画,衝突プロービング,および予測された衝突の解決に関する制御装置を移流させる可能性がある。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 表面拡散 ,  制御装置 ,  *空港 ,  ニューラルネットワーク ,  経路選定 ,  人工知能 ,  移流 ,  飛翔 ,  *強化学習 ,  経路探索
準シソーラス用語： 飛行時間 ,  深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 空港 ,  表面移動 ,  計画 ,  深部 ,  強化学習