文献

J-GLOBAL ID：202202245622374880   整理番号：22A0996001

深さ強化学習に基づくロボット運動制御に関する研究【JST・京大機械翻訳】

Research progress of robot motion control based on deep reinforcement learning

著者 (5件)： Dong Hao (貴州大学机械工程学院,貴陽550025) ,  Yang Jing (貴州大学机械工程学院,貴陽550025;貴州大学省部共建公共大数据国家重点実験室(籌),貴陽550025) ,  Li Shaobo (貴州大学机械工程学院,貴陽550025;貴州大学省部共建公共大数据国家重点実験室(籌),貴陽550025;貴州大学現代制造技術教育部重点実験室,貴陽550025) ,  Wang Jun (貴州大学机械工程学院,貴陽550025) ,  Duan Zhongjing (貴州大学現代制造技術教育部重点実験室,貴陽550025)
資料名： Kongzhi yu Juece  (Kongzhi yu Juece)
巻： 37  号： 2  ページ： 278-292  発行年： 2022年 
JST資料番号： C2107A  ISSN： 1001-0920  CODEN： KYJUEF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 複雑な未知環境における知的認識と自動制御は,現在のロボット制御の分野での最新の研究焦点の1つであり,新世代の人工知能は,知的自動化を実現できた。近年、高次元連続状態-動作空間において、深さ強化学習によるロボット運動制御の新興方法は関連研究者の関心を集めている。まず、深さ強化学習の興起と発展を振り返り、ロボットの運動制御に用いる深さ強化学習アルゴリズムを値関数と策略勾配に基づく2種類に分け、それぞれの典型的なアルゴリズムと特徴について詳しく紹介した。次に、シミュレーションから現実までの学習過程に対して、5種類の深さ強化学習に用いるロボット運動制御シミュレーションプラットフォームを簡潔に紹介した。次に、研究タイプの違いにより、現在の深さ強化学習に基づくロボット運動制御方法の自律ナビゲーション、物体把握、歩容制御、マンマシン協調及び集団協同などの5つの方面における研究進展を総説した。最後に,将来の挑戦と開発動向を要約し,展望した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  自動化 ,  自動制御 ,  *ロボット ,  制御 ,  環境 ,  人工知能 ,  高次元 ,  歩容 ,  *強化学習 ,  学習アルゴリズム ,  運動制御
準シソーラス用語： 自律性 ,  学習過程 ,  未知環境 ,  ロボット制御 , 【Automatic Indexing@JST】

分類 (2件)： システム設計・解析  (IA02030D) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： 強化学習 ,  ロボット ,  運動制御 ,  研究