文献

J-GLOBAL ID：202202233043875144   整理番号：22A0788554

Sim-to-Realフレームワークによる車輪付き二足ロボットの経路追跡のための強化学習ベース階層制御【JST・京大機械翻訳】

Reinforcement Learning based Hierarchical Control for Path Tracking of a Wheeled Bipedal Robot with Sim-to-Real Framework

著者 (3件)： Zhu Wei (Tohoku University,Graduate School of Engineering,Department of Robotics,Sendai,Japan,980-8579) ,  Raza Fahad (Tohoku University,Graduate School of Engineering,Department of Robotics,Sendai,Japan,980-8579) ,  Hayashibe Mitsuhiro (Tohoku University,Graduate School of Engineering,Department of Robotics,Sendai,Japan,980-8579)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： SII  ページ： 40-46  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： 車輪付き二足ロボットの経路追跡のための強化学習(RL)ベースの階層的制御フレームワークを提案した。フレームワークは3つの制御レベルから成る。1)高レベルRLを用いて,模擬環境における試行錯誤による最適政策を得た。2)中間レベルLyapunovベースの非線形制御装置を利用して,強いロバスト性と高い安定性を有する所望のラインを追跡した。3)低レベルPIDベースの制御装置を,実世界における物理的車輪付き二足ロボットのための平衡と速度追跡の両方を同時に達成するために実行した。中間レベル制御装置のおかげで,シミュレーションにおけるオフライン訓練された政策は,任意のパラメータを調整することなく,リアルタイムで物理的ロボットに直接採用できる。さらに,高レベルポリシーネットワークは,経路追跡のタスクに対する最適性と普遍性を改善することができ,また手動チューニング制御利得の厄介なプロセスを避けることができる。シミュレーションと実験結果は,提案した階層的制御フレームワークが車輪付き二足ロボットのための迅速,ロバストで安定した経路追跡を達成できることを証明した。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： 制御装置 ,  *ロボット ,  同調 ,  ハイアラーキ制御 ,  利得 ,  ロバスト性 ,  普遍性 ,  *強化学習
準シソーラス用語： 2足 ,  実時間 ,  非線形制御 ,  オフライン ,  *経路トラッキング , 【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 (6件)： フレームワーク ,  車輪 ,  ロボット ,  経路追跡 ,  強化学習 ,  階層制御