文献

J-GLOBAL ID：202202223568891251   整理番号：22A0788556

自由エネルギー原理に基づくロボットに対するクリオシティアルゴリズム【JST・京大機械翻訳】

A Curiosity Algorithm for Robots Based on the Free Energy Principle

著者 (3件)： Kawahara Daisuke (Tokyo University of Agriculture and Technology,Department of Mechanical Systems Engineering,Tokyo,Japan,184-8588) ,  Ozeki Sara (Tokyo University of Agriculture and Technology,Department of Mechanical Systems Engineering,Tokyo,Japan,184-8588) ,  Mizuuchi Ikuo (Tokyo University of Agriculture and Technology,Department of Mechanical Systems Engineering,Tokyo,Japan,184-8588)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： SII  ページ： 53-59  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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,ロボットタスク学習におけるサンプル効率的なデータ収集のためのキュアリティアルゴリズムを提案した。強化学習(RL)はロボットタスク学習のための最も一般的に使用されるアルゴリズムの一つである。一般に,RLエージェントはランダム行動によって環境を調査する。しかし,ランダム探索は,状態行動空間が連続で高次元で,ロボットオブジェクト操作タスクのような,貧弱なサンプル効率をもたらす。ロボットを curぐことにより,ロボットは未知領域に興味深くなり,その領域を探索する。ロボットを curぐために,神経科学とAIの分野で注目されている自由エネルギー原理を利用した。Soft Actor-Critと組合わせて,それが自由エネルギー原理から自然に誘導されることを示す。さらに,ロボットオブジェクト操作タスク学習のシミュレーションと実世界実験で提案したアルゴリズムの有効性を検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *自由エネルギー ,  *アルゴリズム ,  学習 ,  *ロボット ,  神経科学 ,  高次元 ,  データ収集 ,  有効性 ,  エージェント ,  強化学習
準シソーラス用語： 物体操作 ,  ランダム探索 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： ロボット