文献

J-GLOBAL ID：202102214011165029   整理番号：21A1947124

空中マニピュレータの持続的自律性のための自己反射学習戦略【JST・京大機械翻訳】

Self-Reflective Learning Strategy for Persistent Autonomy of Aerial Manipulators

著者 (3件)： Zhou Xu (Colorado School of Mines, Golden, CO) ,  Zhang Jiucai (Guangzhou Automotive Group R&D Center, San Jose, CA) ,  Zhang Xiaoli (Colorado School of Mines, Golden, CO)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： DSCC2019  ページ： Null  発行年： 2019年 
JST資料番号： A0478C  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： 自律空中マニピュレータは,人間を援助し,また,空中洗浄,航空輸送,インフラストラクチャ修復,および農業検査とサンプリングのような完全自動化マニュアル労働集約的タスクを援助する大きな可能性を持っている。強化学習は,空中マニピュレータと環境間の相互作用から最適ポリシーを自動的に学習することにより,異なる状況に適応できるため,空中マニピュレータの持続的自律性を可能にする見込みがある。しかし,学習プロセス自体は,空中マニピュレータの安全性を実際に危険にさらし,従って持続的自律性を妨げる故障を経験する。この問題を解決するため,異なる新しい状況に対する最適ポリシーをスマートかつ安全に発見できる自己反射学習戦略を提案する。この自己反射法は3つのステップから成る:新しい状況の出現を同定し,強化学習による最適政策を再探索し,自己反射の終了を評価する。数値シミュレーションは,従来の学習ベースの自律性と比較して,著者らの戦略が故障を著しく低減でき,一方,与えられたタスクを終えることができることを実証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  航空輸送 ,  農業 ,  *マニピュレータ ,  インフラストラクチャー ,  強化学習
準シソーラス用語： 自律性 ,  数値シミュレーション ,  学習過程 ,  *学習戦略 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マニピュレータ ,  自律性 ,  自己 ,  学習戦略