深層強化学習を用いたシミュレーションから実世界操作実行へ【JST・京大機械翻訳】

Capasso Alessandro Paolo; Bacchiani Giulio; Broggi Alberto

プレプリント

J-GLOBAL ID：202202221343915838 整理番号：21P0032004

深層強化学習を用いたシミュレーションから実世界操作実行へ【JST・京大機械翻訳】

From Simulation to Real World Maneuver Execution using Deep Reinforcement Learning

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 (3件)： , ,
資料名：
発行年： 2020年05月13日プレプリントサーバーでの情報更新日： 2021年04月28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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層強化学習は,異なる分野における多くの制御タスクを解決できることが証明されているが,これらのシステムの挙動は,実世界シナリオで展開されたとき,必ずしも期待されない。これは,主に,訓練と試験データセットの間の区別の欠如と共に,シミュレーションと実世界データ間のドメイン適応の欠如による。本研究では,特にラウンドアバウト挿入のための操縦計画モジュールに対して,自律駆動分野におけるこれらの問題を検討した。特に,エージェントが同時に訓練された複数の環境に基づくシステムを提示し,異なるシナリオにおけるモデルの挙動を評価した。最後に,著者らは,シミュレーションおよび実世界データ間のギャップの低減を目的とする技術を分析し,これが,このシステムの一般化能力を,非意味および実世界シナリオの両者で増加させることを示した。【JST・京大機械翻訳】

ロボットの運動・制御 , 人工知能

, ,

前のページに戻る