コスト関数不確実性の下での局所最適デモンストレーションからの制約の学習【JST・京大機械翻訳】

Chou Glen; Ozay Necmiye; Berenson Dmitry

プレプリント

J-GLOBAL ID：202202207545980086 整理番号：22P0104522

コスト関数不確実性の下での局所最適デモンストレーションからの制約の学習【JST・京大機械翻訳】

Learning Constraints from Locally-Optimal Demonstrations under Cost Function Uncertainty

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 (3件)： , ,
資料名：
発行年： 2020年01月25日プレプリントサーバーでの情報更新日： 2020年01月25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)

局所最適実証からパラメトリック制約を学習するためのアルゴリズムを提示し,そこでは,最適化されるコスト関数が学習者にとって不確実である。著者らの方法は,既知の制約パラメータ化または実証と一致するパラメータ化を増分的に成長することによって,実証の局所的最適性と一致する制約を学習するために,混合整数線形プログラム(MILP)内の実証のKarus-Kuhn-Tucker(KKT)最適性条件を用いる。回復安全/不安全集合の保存性に関する理論的保証を提供し,局所最適実証を用いるときの制約学習可能性の限界を分析した。7自由度アームと4ロータの例に対する制約を学習することにより,高次元制約とシステムに関する提案手法を評価し,それが競合する制約学習手法よりも性能が優れており,環境中の新しい制約充足軌道を計画するために効果的に使用できることを示した。【JST・京大機械翻訳】

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

システム設計・解析 , ロボットの運動・制御

, , , ,

前のページに戻る