ロボット操作タスクのための深層強化学習における遺伝的アルゴリズムを用いた自動パラメータ最適化【JST・京大機械翻訳】

Sehgal Adarsh; Ward Nicholas; La Hung; Louis Sushil

プレプリント

J-GLOBAL ID：202202213780490711 整理番号：22P0328078

ロボット操作タスクのための深層強化学習における遺伝的アルゴリズムを用いた自動パラメータ最適化【JST・京大機械翻訳】

Automatic Parameter Optimization Using Genetic Algorithm in Deep Reinforcement Learning for Robotic Manipulation Tasks

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04月07日プレプリントサーバーでの情報更新日： 2022年11月01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)

学習エージェントは,報酬関数を用いてそれらの行動を決定するために,強化学習(RL)を利用することができる。しかし,学習プロセスは学習アルゴリズムで使用されるハイパーパラメータの値のエレクトによって大いに影響される。本研究では,ハイパーパラメータ値を微調整するために遺伝的アルゴリズム(GA)を利用する,深い決定論的ポリシー勾配(DDPG)とHindight Experience Replay(HER)ベースの方法を提案した。この方法(GA+DDPG+HER)は,6つのロボット操作タスク:FetchReach;FetchSide;FetchPush;FetchPickAndPlace;DoorOpning;およびAuboReach。これらの結果の解析は,性能の著しい増加と学習時間の減少を実証した。また,GA+DDPG+HERが既存の方法よりも良い証拠を比較,提供した。【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