階層的ロボット計画のための抽象化への深層学習の利用【JST・京大機械翻訳】

Shah Naman; Srivastava Siddharth

プレプリント

J-GLOBAL ID：202202204601882417 整理番号：22P0283519

階層的ロボット計画のための抽象化への深層学習の利用【JST・京大機械翻訳】

Using Deep Learning to Bootstrap Abstractions for Hierarchical Robot Planning

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 (2件)： ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年04月24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)

本論文は,信頼性の強い保証を提供しながら,ロボット計画性能を高める学習抽象化の問題を扱う。最先端の階層的ロボット計画アルゴリズムは,ロボットがユーザの望ましいタスクを達成するための長い水平運動計画を効率的に計算することを可能にするが,これらの方法は,典型的には,専門家によって手で設計される必要がある環境依存状態と行動抽象化に依存する。全体の階層的計画プロセスをブートストラップする新しい方法を示した。これにより,自動生成ロボット固有アーキテクチャを持つ深層ニューラルネットワークにより予測された臨界領域を用いて,自動的に新しい環境に対する抽象状態と動作を計算することができた。学習された抽象化は,音で確率的に完全である新しいマルチソース双方向階層ロボット計画アルゴリズムで使用できることを示した。ホロノームと非ホロノミックロボットを用いた20の異なる設定に関する広範な経験的評価は,(a)学習抽象化が効率的なマルチソース階層計画に必要な情報を提供することを示した。そして,(b)学習,抽象化,および計画のこの手法は,訓練中に見られない試験環境に関する計画時間に関して,最先端のベースラインをほぼ10倍凌駕する。【JST・京大機械翻訳】

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

ロボットの運動・制御 , 人工知能

, , ,

前のページに戻る