文献

J-GLOBAL ID：202002289576101157   整理番号：20A0575240

深部強化学習を用いた無人表面車両の衝突回避【JST・京大機械翻訳】

Collision avoidance for an unmanned surface vehicle using deep reinforcement learning

著者 (2件)： Woo Joohyun (Institute of Engineering Research, Seoul National University, 1, Gwanak-ro, Gwanak-gu, Seoul, 08826, Republic of Korea) ,  Kim Nakwan (Research Institute of Marine Systems Engineering, Seoul National University, 1, Gwanak-ro, Gwanak-gu, Seoul, 08826, Republic of Korea)
資料名： Ocean Engineering  (Ocean Engineering)
巻： 199  ページ： Null  発行年： 2020年 
JST資料番号： D0597A  ISSN： 0029-8018  CODEN： OCENBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,無人表面車両(USV)のための深い強化学習(DRL)に基づく衝突回避法を提案した。このアプローチは衝突回避の意思決定段階に適用でき,回避が必要であるかどうかを決定し,もしそうであるならば,回避操作の方向を決定する。典型的に遭遇する複雑であいまいな状況を分析するためのツールとして,深いニューラルネットワークの視覚認識能力を利用するために,船舶遭遇状況のグリッド地図表現を提案した。DRLネットワークの構成のために,著者らは,USV衝突回避問題のために特別に設計されたニューラルネットワークアーキテクチャと半Markov決定プロセスモデルを提案した。提案したDRLネットワークを衝突回避の反復シミュレーションにより訓練した。訓練プロセスの後,DRLネットワークを衝突回避実験とシミュレーションに実装し,その状況認識と衝突回避能力を評価した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視認 ,  曖昧さ ,  意思決定 ,  ニューラルネットワーク ,  人工知能 ,  ネットワーク ,  *強化学習 ,  船舶 ,  シミュレーション ,  衝突回避
準シソーラス用語： 状況認識 ,  プロセスモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 深部強化学習 ,  衝突回避 ,  無人表面車両 ,  Colregs ,  人工知能

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (3件)： 深部 ,  強化学習 ,  衝突回避