文献

J-GLOBAL ID：202102236064941513   整理番号：21A0539282

強化学習に基づくAGV経路計画モデル【JST・京大機械翻訳】

AGV Path Planning Model based on Reinforcement Learning

著者 (4件)： Liao Xiaofei (Donghua University,College of Information Sciences and Technology, Donghua University Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education,Shanghai,China,201620) ,  Wang Yang (Donghua University,College of Information Sciences and Technology,Shanghai,China,201620) ,  Xuan Yiliang (Donghua University,College of Information Sciences and Technology,Shanghai,China,201620) ,  Wu Dequan (Donghua University,College of Information Sciences and Technology,Shanghai,China,201620)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CAC  ページ： 6722-6726  発行年： 2020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： ロジスティックス輸送の急速な成長によって,自動誘導車両(AGV)技術は,急速に発展した。経路計画は,AGVの重要な研究トピックの1つである。複雑な環境におけるAGVのために,開始位置から目標位置までの最適経路を計画することは難しい。本論文では,強化学習技術を導入して,複雑で未知の環境によるAGV経路計画をモデル化するのが難しい問題を解決した。シミュレーテッドアニーリング戦略に基づくSarsaアルゴリズムは,グリッドグラフにおける最適経路を計画するためにAGVを効果的に誘導することができ,成功率を改善する。大規模状態空間の場合,従来の強化学習アルゴリズムプロセスデータが不十分にデータを処理するという問題を目的として,深いqネットワークアルゴリズムと組み合わせたポテンシャル場法を,AGV経路計画のために提案する。このアルゴリズムは,最適経路計画を実行するためのAGVを効果的に誘導することができ,従来の強化学習アルゴリズムが複雑な空間を扱うことができないという問題を解決した。最後に,これらのアルゴリズムをAGV経路計画システムに適用して,負荷点から除荷点までの単一AGVの運動状態をシミュレーションした。それは,著者らのアルゴリズムがAGVインテリジェント経路計画を効果的に実行して,ロジスティックスの効率性を改良することができることを検証した。Copyright 2021 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： アルゴリズム ,  ロジスティックス ,  最適航路 ,  除荷 ,  無人搬送車 ,  シミュレーテッドアニーリング ,  *強化学習 ,  学習アルゴリズム ,  *経路探索
準シソーラス用語： 成功率 ,  状態空間 ,  ポテンシャル場 ,  ネットワークアルゴリズム ,  目標位置 , 【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 (4件)： 強化学習 ,  AGV ,  経路計画 ,  モデル