粒子ロボットナビゲーションとオブジェクト操作のための深層強化学習環境【JST・京大機械翻訳】

Shen Jeremy; Xiao Erdong; Liu Yuchen; Feng Chen

プレプリント

J-GLOBAL ID：202202209471031632 整理番号：22P0303114

粒子ロボットナビゲーションとオブジェクト操作のための深層強化学習環境【JST・京大機械翻訳】

A Deep Reinforcement Learning Environment for Particle Robot Navigation and Object Manipulation

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03月12日プレプリントサーバーでの情報更新日： 2022年03月12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)

粒子ロボットは,移動が集合的かつロバストに達成されるが,独立には達成できない新しい生物学的にヒントを得たロボットシステムである。その制御は,現在,基本的な移動タスクのための手作業政策に限定されているが,そのようなマルチロボットシステムは,より効率的に異なるタスクのために,深い強化学習(DRL)によって潜在的に制御することができた。しかし,粒子ロボットシステムは,既存のスウォームロボットシステムとは異なるDRLに対する新たな課題セットを示す:各ロボットの低自由度とロボット間の協調の必要性の増加。物理エンジンとしてOpenAI GymインターフェースとPymunkを用いた2D粒子ロボットシミュレータを提示し,粒子ロボットシステムにおけるDRLの未開発応用を研究するための新しい課題と課題を紹介した。さらに,タスクのためのベンチマークの集合を提供するために,安定ベースライン3を使用した。現在のベースラインDRLアルゴリズムは,タスクを達成する兆候を示すが,手作業政策の性能に到達できない。提案したタスクを達成するためには,DRLアルゴリズムのさらなる開発が必要である。【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