文献

J-GLOBAL ID：202202212909691903   整理番号：22A1114036

モデルベース強化学習法による分散無人表面車両の協調【JST・京大機械翻訳】

Coordination of distributed unmanned surface vehicles via model-based reinforcement learning methods

著者 (3件)： Miao Runlong (National Key Laboratory of Autonomous Underwater Vehicle, College of Shipbuilding Engineering, Harbin Engineering University, Harbin 15001, China) ,  Wang Lingxiao (Department of Electrical Engineering and Computer Science, Embry-Riddle Aeronautical University, Daytona Beach, FL, 32124, USA) ,  Pang Shuo (Department of Electrical Engineering and Computer Science, Embry-Riddle Aeronautical University, Daytona Beach, FL, 32124, USA)
資料名： Applied Ocean Research  (Applied Ocean Research)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： A0775B  ISSN： 0141-1187  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,海洋環境における多重移動物体ターゲットを探索するために,無人表面車両(USV)の群を組織化するための協調アルゴリズムを提案した。フリート操作の間,USVは無線通信ネットワークを通して局所センシング情報を交換できる。受信と自己知覚情報の両方に基づいて,USVはグリッド信頼マップを構築し,それはUSVフリートが探索領域のあらゆる領域をどのように認識するかを反映した。次に,USV協調を強化学習(RL)問題としてモデル化し,そこでは報酬関数が格子信頼マップから得られた情報に基づいて定義される。したがって,USVsは,新しい地域を調査し,既に検索された地域を訪れるために奨励されている。USVsの検索経路を,政策決定ベースの経路計画アルゴリズムを通して計算し,一方,車間衝突は,政策制約を適用することにより避けられる。実世界実験を海洋環境で行い,提案した方法の妥当性を評価した。従来の構成制御戦略と非協調アルゴリズムと比較して,実験結果は,提案方法が目標を探索するために,より知的で効率的であることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  海洋環境 ,  多重化 ,  移動体 ,  格子 ,  *強化学習 ,  経路探索
準シソーラス用語： 政策決定 ,  無線ネットワーク ,  *モデルベース ,  制御戦略 ,  報酬関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチエージェント協調 ,  無人表面車両 ,  強化学習 ,  経路計画

分類 (4件)： 流体波,流体振動  (BC02050Y) ,  海洋施設  (RC14020A) ,  水理学一般,水理実験  (RC10011E) ,  海洋開発用機器  (QE05010W)

タイトルに関連する用語 (3件)： モデルベース ,  強化 ,  協調