文献

J-GLOBAL ID：202202221649392979   整理番号：22A0828765

強化学習に基づく異種マルチエージェントシステムのための最適ロバスト形成制御【JST・京大機械翻訳】

Optimal robust formation control for heterogeneous multi-agent systems based on reinforcement learning

著者 (4件)： Yan Bing (School of Electrical and Electronic Engineering, The University of Adelaide, Adelaide, South Australia, Australia) ,  Shi Peng (School of Electrical and Electronic Engineering, The University of Adelaide, Adelaide, South Australia, Australia) ,  Lim Cheng-Chew (School of Electrical and Electronic Engineering, The University of Adelaide, Adelaide, South Australia, Australia) ,  Shi Zhiyuan (School of Automation, Northwestern Polytechnical University, Xi’an, P.R. China)
資料名： International Journal of Robust and Nonlinear Control  (International Journal of Robust and Nonlinear Control)
巻： 32  号： 5  ページ： 2683-2704  発行年： 2022年 
JST資料番号： W0520A  ISSN： 1049-8923  CODEN： IJRCEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,最適衝突フリー時変形成を達成するために,不確実な不均一マルチエージェントシステムのための強化学習(RL)ベースのロバスト制御戦略を提案した。大域的情報を全く使用せずに,完全分散適応オブザーバを開発し,基準と外乱システムの動力学と状態の両方を推定した。オブザーバパラメータは,観測されたモデルベースまたはモデルフリーオフポリシーRLアルゴリズムにより見出された。内部モデル原理を用いて,新しい最適ロバスト形成制御戦略を,他の提案したオフポリシーRLアルゴリズムに基づいて開発した。このアルゴリズムは,システムモデルが完全に未知であるとき,非二次最適化問題を扱う。用例として無人航空機無人地上車両不均質システムのためのブッシュファイアエッジ追跡とパトローリングタスクを取り上げて,開発した制御戦略の有効性とロバスト性をシミュレーションによって検証する。Copyright 2022 Wiley Publishing Japan K.K. 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 ,  システム ,  不確実性 ,  制御 ,  追跡 ,  擾乱 ,  システムモデル ,  システムオブザーバ ,  無人機 ,  有効性 ,  *ロバスト性 ,  *強化学習 ,  *マルチエージェントシステム
準シソーラス用語： モデルベース ,  制御戦略 , 【Automatic Indexing@JST】

著者キーワード (4件)： 適応オブザーバ ,  不均一マルチエージェントシステム ,  強化学習 ,  ロバストなフォーメーション制御

分類 (2件)： 人工知能  (JE08000Z) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (3件)： 強化学習 ,  マルチエージェントシステム ,  ロバスト