文献

J-GLOBAL ID：202202237767878812   整理番号：22A0483169

Q-Attention:視覚ベースロボット操作のための効率的な学習を可能にする【JST・京大機械翻訳】

Q-Attention: Enabling Efficient Learning for Vision-Based Robotic Manipulation

著者 (2件)： James Stephen (Dyson Robotics Lab, Imperial College London, London, U.K.) ,  Davison Andrew J. (Dyson Robotics Lab, Imperial College London, London, U.K.)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 7  号： 2  ページ： 1612-1619  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： 強化学習法の成功にもかかわらず,広範囲のロボットマニピュレーションタスクに適用した場合,それらのブレークスルーモーメントはまだ有していない。これは,強化学習アルゴリズムが,完全状態入力よりも画像から訓練するときに悪化する,訓練するのが困難で時間がかかるという事実による。人間がマニピュレーションタスクを実行するので,著者らの眼は,操作されるオブジェクトに順次注視して,このプロセスのあらゆるステップを密接に監視する。これを念頭に置いて,著者らは,著者らの注意駆動ロボット操作(ARM)アルゴリズムを提示し,それは,少数の実証のみを与えて,スパース報酬タスクの範囲に適用できる一般的操作アルゴリズムである。ARMは3段階パイプラインへの操作の複雑なタスクを分割する。1)Q-注意エージェントは,RGBとポイントクラウド入力からの関連ピクセル位置,2)Qアテンションエージェントと出力姿勢から作物を受け入れる次の最良姿勢エージェント,および3)目標姿勢と出力結合行動を取る制御エージェントである。現在の学習アルゴリズムはRLBenchタスクの範囲に失敗するが,ARMは成功する。ビデオはhttps://sites.google.com/view/q-attentionで見出された。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 ,  *視覚 ,  *ロボット ,  農作物 ,  画素 ,  録画装置 ,  モーメント ,  エージェント ,  強化学習 ,  学習アルゴリズム
準シソーラス用語： マニピュレーション , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 視覚 ,  ロボット ,  学習