文献

J-GLOBAL ID：202202226137413982   整理番号：22A0979857

不均一地形上の深層強化学習に基づくエネルギー効率の良いマルチエージェント協調探索制御【JST・京大機械翻訳】

Energy-Efficient Multi-agent Cooperative Search Control Based on Deep Reinforcement Learning on Uneven Terrains

著者 (6件)： Li Bo (University of Electronic Science and Technology of China) ,  Zhang Hongyu (University of Electronic Science and Technology of China) ,  Xiao Jian (University of Electronic Science and Technology of China) ,  Zhong Shan (University of Electronic Science and Technology of China) ,  Wu Lei (University of Electronic Science and Technology of China) ,  Wei Xudong (University of Electronic Science and Technology of China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ITOEC  ページ： 1384-1388  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： 与えられた関心領域(AOI)を探索するマルチエージェントのためのアンチロックアルゴリズムは,比較的成熟した。マルチエージェントは,基本的に不均等な地形を探索するために使用するが,最も既存のアンチロックアルゴリズムは,平面地形のために設計して,このように,エージェントは,ナビゲーション目標の間を動かすために,最も短い経路を使用した。不均等な地形で移動するために最短経路を使用することは,より多くのエネルギーを消費する。現在,エージェントは電力を供給するためにポータブルなエネルギーを基本的に利用し,エネルギー消費の削減を試みるべきである。本論文は,不均等な地形に関する深い強化学習に基づくエネルギー効率の良いマルチエージェント協同探索制御を提案した。提案したアルゴリズムは,深い強化学習を通してナビゲーション目標点を選択し,輪郭線に沿ってナビゲーション目標点間の移動を奨励する。シミュレーション結果は,提案した制御プロトコルが,不均等な地形に関して操作するマルチエージェントのための有望なエネルギー効率的解法であることを示した。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： アルゴリズム ,  シミュレーション ,  電力 ,  エネルギー消費 ,  携帯型 ,  エネルギー効率 ,  *エージェント ,  *強化学習
準シソーラス用語： 関心領域 ,  *マルチエージェント ,  最短経路 ,  深層強化学習 , 【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 (7件)： 不均一 ,  地形 ,  深層強化学習 ,  エネルギー効率 ,  マルチエージェント ,  協調 ,  探索制御