抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ロボット工学文献において,訓練ロボットに関連したコストとリスクを最小化するために,異なる学習ベース制御フレームワークにおいて経験移転が提案されてきた。様々な研究が,目標ロボットの学習を改善または加速するために,ソースロボットから以前の経験を転送する実現可能性を示してきたが,通常,経験転送が目標ロボットの性能を改善するという保証はない。実際に,移動経験の有効性は,物理的ロボットで試験されるまで,しばしば知られていない。この試行錯誤法は,極めて安全で非効率的である。著者等の以前の研究に基づいて,本論文では,ソースロボットシステムの逆モジュールを目標ロボットシステムに転送し,任意の軌道上の追跡性能を改善した逆モジュール転送学習フレームワークを考察した。ソース逆モジュールをターゲットロボットに転送し,データからこの境界を推定するためのBayes最適化ベースアルゴリズムを提案した。さらに,文献においてしばしば無視されてきた交差ロボット経験移動の非対称的性質を強調した。このアプローチを4ロータ実験で実証し,ランダム周期軌跡を追跡するためのターゲットロボットへの正転送を保証できることを示した。【JST・京大機械翻訳】