ロボットチームのための分散強化学習:レビュー【JST・京大機械翻訳】

Wang Yutong; Damani Mehul; Wang Pamela; Cao Yuhong; Sartoretti Guillaume

プレプリント

J-GLOBAL ID：202202212289370929 整理番号：22P0327938

ロボットチームのための分散強化学習:レビュー【JST・京大機械翻訳】

Distributed Reinforcement Learning for Robot Teams: A Review

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 (5件)： , , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年04月07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)

レビューの目的:センシング,アクチュエーション,および計算における最近の進歩は,自動製造,災害レリーフ,収穫,最後のマイルド配信,ポート/空港操作,または探索と救助への有望な応用を有する,ロボット数百/thoussから成るマルチロボットシステムへのドアを開いた。コミュニティは,マルチロボットシステム(MRS)のための効率的でスケーラブルな制御装置を考案するために,モデルフリーマルチエージェント強化学習(MARL)を活用した。本レビューは,マルチロボット協調のための分散型MARLにおける最先端の分析を提供することを目的とする。最近の知見:分散MRSは,非定常性や部分可観測性などの基本的な課題に直面している。「集中訓練,分散実行」パラダイムに基づいて,最近のMARLアプローチは,独立学習,集中批判,価値分解,および通信学習アプローチを含む。協調行動は,AIベンチマークとマルチロボット運動/経路計画のような基本的な実世界ロボット能力を通して実証された。要約:この調査は,マルチロボット協調と既存のクラスのアプローチのための分散モデルフリーMARLを取り囲む課題を報告する。本研究では,研究に対する現在の開路に関する議論とともに,ベンチマークとロボット応用を提示した。【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