RL-PGO:強化学習ベース平面ポーズグラフ最適化【JST・京大機械翻訳】

Kourtzanidis Nikolaos; Saeedi Sajad

プレプリント

J-GLOBAL ID：202202215158149100 整理番号：22P0295833

RL-PGO:強化学習ベース平面ポーズグラフ最適化【JST・京大機械翻訳】

RL-PGO: Reinforcement Learning-based Planar Pose-Graph Optimization

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 (2件)： ,
資料名：
発行年： 2022年02月26日プレプリントサーバーでの情報更新日： 2022年02月26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)

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】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

ロボットの運動・制御 , ロボットの設計・製造・構造要素

, , ,

前のページに戻る