文献

J-GLOBAL ID：202202232806528343   整理番号：22A0788662

コンクリート中の穴のペグインホール作業性能の改善のためのカリキュラムに基づくオフラインネットワーク訓練【JST・京大機械翻訳】

Curriculum-based Offline Network Training for Improvement of Peg-in-hole Task Performance for Holes in Concrete

著者 (3件)： Yasutomi Andre Yuji (R&D Group, Hitachi, Ltd,Center for Technology Innovation,Robotics Research Department) ,  Mori Hiroki (Waseda University,Graduate School of Fundamental Science and Engineering,Department of Intermedia Art and Science) ,  Ogata Tetsuya (Waseda University,Waseda Research Institute for Science and Engineering (WISE))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： SII  ページ： 712-717  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： 深い強化学習(DRL)による深いニューラルネットワーク(DNN)を訓練するのに必要な時間を減らし,コンクリート中の穴のペッグインホールタスクであるアンカーボルト挿入を行うロボットを提案した。また,提案方法はタスク実行時間を減らすことを意図した。この方法は2段階から成る。第1ステップは,コンクリート壁に開かれた穴に対する状態観察と探索結果の地図を作成し,このマップを用いて,オフラインでDRLを介してDNNを訓練する。第2ステップは,ステップサイズオプションを徐々に増加させるカリキュラムでDNNを訓練することを含み,DNNはロボットをコマンドに出力できる。この方法の実験的評価は,オフライン訓練がDNN訓練時間を約87.5%短縮し,一方,成功率と実行時間によるタスク実行を可能にし,オンラインで訓練されたDNNで得られたものと類似していることを示した。さらに,評価は,カリキュラム訓練がタスク実行時間を短縮し,97.5%の成功率と7.77秒の実行時間で,未知の穴のためのペッグインホールタスクの実行を可能にすることを示した。この結果は,オンラインで訓練されたDNNで得られたものよりも,12.8%高い成功率と4.71s短い実行時間を示した。これらの結果は,提案した方法の有効性と建設産業への適用性を実証した。提案方法をアンカーボルト挿入に適用したが,それは離散ステップにおいて行われた任意の他のペグインホールタスクに拡張できる。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： 建設業 ,  ロボット ,  *コンクリート ,  ニューラルネットワーク ,  適応性 ,  *カリキュラム ,  アンカーボルト ,  有効性 ,  強化学習
準シソーラス用語： ステップサイズ ,  実行時間 ,  成功率 ,  オンライン ,  *オフライン , 【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 (4件)： コンクリート ,  カリキュラム ,  オフライン ,  訓練