文献

J-GLOBAL ID：202202211901644363   整理番号：22A0787797

オーストリアにおける列車,Montecarloの競争:クロストラックF1 のLIDARベースレースのための一般化RL【JST・京大機械翻訳】

Train in Austria, Race in Montecarlo: Generalized RL for Cross-Track F1^tenth LIDAR-Based Races

著者 (3件)： Bosello Michael (Universita` di Bologna,DISI: Department of Computer Science and Engineering,,Cesena,Italy) ,  Tse Rita (School of Applied Sciences Macao Polytechnic Institute,Macao,MO) ,  Pau Giovanni (Universita` di Bologna,DISI: Department of Computer Science and Engineering,,Cesena,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CCNC  ページ： 290-298  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自律車両は,過去数年間大きな注目を受けており,市場価値は何億ドルにも影響している。それにもかかわらず,完全自律車の dは,教師つき学習技術と結合した複雑なプロセスに依存する現在の自己駆動システムによって遅れている。深層強化学習手法は,自律車両によって要求されるもののような複雑な制御タスクを解決する新しい可能性を与える。エージェントは環境との相互作用により学習し,その誤りから学習する。残念なことに,RLは主に模擬環境で適用され,シミュレーションから実世界への学習の移転は難しい問題である。本論文では,実時間で訓練を実行することができる現実的な1/10スケール車プロトタイプに関する深いQ-Networkの入力としてLIDARデータを用いた。ロボット運転者は,エージェントが人間の監督なしに学習することを可能にする報酬の機構を通して得られた経験を利用して,レーストラックにおいてどのように実行するかを学習する。著者らは,LIDARデータ処理のための最良のものを見つけるためのニューラルネットワークの比較,sim2現実問題に対処する2つのアプローチ,およびレースロボットのための時間-ラップタスクにおけるDQNの性能の詳細を提供する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *LIDAR ,  ロボット ,  ニューラルネットワーク ,  オーストリア共和国 ,  駆動方式 ,  教師つき学習 ,  エージェント ,  プロトタイプ
準シソーラス用語： 自律性 ,  実時間 ,  市場価格 ,  LIDARデータ ,  深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： オーストリア ,  列車 ,  競争 ,  トラック ,  LIDAR ,  レース ,  一般化