GloCAL:ロボット把持への応用を伴う複数タスクのG局所化カリキュラム支援学習【JST・京大機械翻訳】

Kurkcu Anil; Acar Cihan; Campolo Domenico; Tee Keng Peng

プレプリント

J-GLOBAL ID：202202206039671028 整理番号：22P0332123

GloCAL:ロボット把持への応用を伴う複数タスクのG局所化カリキュラム支援学習【JST・京大機械翻訳】

GloCAL: Glocalized Curriculum-Aided Learning of Multiple Tasks with Application to Robotic Grasping

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： 2022年04月14日プレプリントサーバーでの情報更新日： 2022年04月14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。

ロボット工学のドメインは,大量のデータの必要性と学習中の安全性を確保するために,深い強化学習を適用することが困難であった。カリキュラム学習は,サンプル効率の良い深層学習に関して良好な性能を示した。本論文では,それらの評価スコアに従ってクラスタリングタスクに基づいて,複数の離散タスクを学習するためのエージェントのためのカリキュラムを生成するアルゴリズム(GloCALと呼ぶ)を提案した。最高性能クラスタから,クラスタに代表されるグローバルタスクを,その後形成された新しいクラスタに転送する大域的ポリシーを学習するために同定し,一方,クラスタにおける残りのタスクを局所ポリシーとして学習した。このGloCALアルゴリズムの有効性と効率を,様々なオブジェクト複雑性を有する49のオブジェクトに対する把持学習の領域における他の手法と比較し,EGAD DMDAACデータセットから困難を把握した。その結果,GloCALは対象の100%を把握することができるが,他のアプローチは1.5倍長い訓練時間を与えるにもかかわらず,ほとんどの86%で達成されることを示した。【JST・京大機械翻訳】

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

人工知能 , ロボットの運動・制御

, , , , , , ,

前のページに戻る