抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
姿勢SLAMまたは姿勢グラフ最適化(PGO)の目的は,オドメトリックおよびループ閉鎖制約を与えるロボットの軌跡を推定することである。最先端の反復手法は,通常,非凸目的関数の線形化を含み,次に,通常方程式のセットを繰り返し解く。さらに,これらの方法は局所最小値に収束し,準最適結果を与える。本研究では,2D姿勢グラフ最適化のための初めての深層強化学習(DRL)に基づく環境および提案したエージェントの最良の知識を示した。姿勢グラフ最適化問題を部分観測Markov決定プロセスとしてモデル化でき,実世界と合成データセットの性能を評価することを示した。提案したエージェントは,従来の非線形最小二乗技術が不満足な解に失敗または収束するという困難な事例で最先端のソルバg2oを凌駕する。実験結果は,提案したアプローチでブートストラップされた反復ベースソルバが,かなり高い品質推定を可能にすることを示した。強化学習ベースPGOは,グローバルに最適なアルゴリズムに対する研究をさらに加速する有望な道筋であると信じる。したがって,本研究は2D姿勢SLAMドメインにおける新しい最適化戦略への道を開いた。【JST・京大機械翻訳】