文献

J-GLOBAL ID：202002273791427316   整理番号：20A1701420

複数のエキスパートポリシーによるResidual Reinforcement Learningを用いた整列動作の学習

Learning Alignment Tasks Based on Residual Reinforcement Learning with Multiple Expert Policies

著者 (8件)： 柳沼和樹 (電通大) ,  中村友昭 (電通大) ,  嘉藤佑亮 (産業技術総合研) ,  嘉藤佑亮 (パナソニック) ,  長井隆行 (電通大) ,  長井隆行 (大阪大) ,  小澤順 (産業技術総合研) ,  小澤順 (パナソニック)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.1Q4-GS-11-02 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ロボットが効率的にタスクを達成するため,エキスパートによるデモンストレーションから得られた軌道を強化学習によって補正する手法が提案されている.しかし,従来手法のエキスパートの軌道は一つを想定しており,複雑なタスクではエキスパートが複数のポリシーを利用する場合が考えられる.本稿では,エキスパートのデモンストレーションから複数のエキスパートポリシーを学習し,強化学習によって補正を行うResidual Reinforcement Learningを提案する.実験では物体の整列タスクにより,複数のエキスパートポリシーを活用することで,エキスパートによる軌道のみを用いた場合よりも高精度な整列が可能となることを示す.(著者抄録)

シソーラス用語： スペシャリスト ,  *強化学習 ,  *隠れMarkovモデル ,  機械学習 ,  *アラインメント ,  実験 ,  シミュレーション
準シソーラス用語： エキスパート ,  深層学習 ,  整列 ,  評価実験

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： エキスパート ,  整列 ,  学習