粗い地形挑戦における二足歩行のための再帰決定性ポリシー勾配法【JST・京大機械翻訳】

Song Doo Re; Yang Chuanyu; McGreavy Christopher; Li Zhibin

プレプリント

J-GLOBAL ID：202202202884142551 整理番号：22P0042386

粗い地形挑戦における二足歩行のための再帰決定性ポリシー勾配法【JST・京大機械翻訳】

Recurrent Deterministic Policy Gradient Method for Bipedal Locomotion on Rough Terrain Challenge

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2017年10月08日プレプリントサーバーでの情報更新日： 2019年12月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

本論文では,再電流決定論的ポリシー勾配(RDPG)の新しい解釈に基づいて,部分的に観察可能な移動タスクを解決することができる深層学習フレームワークを提案した。サンプリングされた誤差測度のバイアスと,環境およびサブトラジェクトリーサンプリングの部分的な観測によってそれぞれ誘導されたその分散を研究した。RDPGベースの学習フレームワーク:補間時間差のテールステップブートストラップ,過去の軌道走査を用いた隠れ状態の初期化,および他のエージェントによって学習された外部経験の注入の3つの主要な改善を紹介した。提案した学習フレームワークは,部分的状態情報のみが利用できるOpenAIのギムシミュレーション環境におけるBipeal-Walker攻撃を解くために実行した。著者らのシミュレーション研究は,RDPGエージェントによって作り出される自律行動が,様々な障害物に高度に適応し,エージェントが,誘導者よりもより高い成功率で,長距離で,効果的に頑丈な地形を横断するのを可能にすることを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る