文献

J-GLOBAL ID：202202237419258971   整理番号：22A0631407

オフラインデータからの縮約ポリシーの学習【JST・京大機械翻訳】

Learning Contraction Policies From Offline Data

著者 (4件)： Rezazadeh Navid (Department of Mechanical and Aerospace Engineering, University of California, Irvine, USA) ,  Kolarich Maxwell (Aerospace Engineering Department, University of Illinois Urbana-Champaign, Urbana, USA) ,  Kia Solmaz S. (Department of Mechanical and Aerospace Engineering, University of California, Irvine, USA) ,  Mehr Negar (Aerospace Engineering Department, University of Illinois Urbana-Champaign, Urbana, USA)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 2905-2912  発行年： 2022年 
JST資料番号： W2448A  ISSN： 2377-3766  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： このレターは,コントラクション理論を用いてオフラインデータから収束制御ポリシーを学習するためのデータ駆動法を提案した。コントラクション理論は,閉ループシステム軌道を固有の軌道に向けて本質的に収束させる政策の構築を可能にする。技術的レベルでは,ロボット軌跡が収縮を示す距離メトリックである収縮メトリックを同定することは,しばしば非自明である。収縮を強制しながら,制御ポリシーとその対応する収縮計量を共同学習することを提案する。これを達成するために,ロボットの状態と入力軌跡から成るオフラインデータセットからロボットシステムの陰的動力学モデルを学習する。この学習動力学モデルを用いて,収縮ポリシーを学習するためのデータ増強アルゴリズムを提案した。状態空間でランダムにサンプルを生成し,それらを学習した力学モデルを通して時間内に伝搬させ,補助サンプル軌跡を生成した。次に,オフラインデータセットからの軌跡間の距離と,生成された補助サンプル軌跡が時間とともに減少するような,制御ポリシーと収縮計量の両方について学習した。模擬ロボット目標到達タスクに関する提案フレームワークの性能を評価し,強制収縮が学習ポリシーのより早い収束とより大きなロバスト性をもたらすことを実証した。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： アルゴリズム ,  *学習 ,  データ ,  ロボット ,  距離 ,  力学モデル ,  計量 ,  閉ループ系 ,  *縮約 ,  ロバスト性
準シソーラス用語： 協調学習 ,  動力学モデル ,  状態空間 ,  データ駆動 ,  ロボットシステム , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  システム同定  (IA02040O) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： オフライン ,  縮約 ,  学習