文献

J-GLOBAL ID：202202258526146349   整理番号：22A0995691

深さ強化学習に基づく密集物体温度優先プッシュ手法【JST・京大機械翻訳】

Temperature priority pushing and grasping method for dense objects based on deep reinforcement learning

著者 (5件)： Chen Man (長沙理工大学電气与信息工程学院,湖南長沙410114) ,  Li Maojun (長沙理工大学電气与信息工程学院,湖南長沙410114) ,  Hu Jianwen (長沙理工大学電气与信息工程学院,湖南長沙410114) ,  Lai Zhiqiang (長沙理工大学電气与信息工程学院,湖南長沙410114) ,  Li Junri (長沙理工大学電气与信息工程学院,湖南長沙410114)
資料名： Chuanganqi yu Wei Xitong  (Chuanganqi yu Wei Xitong)
巻： 41  号： 1  ページ： 41-44,49  発行年： 2022年 
JST資料番号： C3686A  ISSN： 1000-9787  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： 産業において,温度特性を考慮する必要がある高密度物体の把握における操作の難易度係数が大きく,温度優先性が強くないなどの典型的な問題に対して,深さ強化学習(DRL)に基づく密集物体温度優先プッシュ(TPG)方法を提案した。方法:深さQネットワークアルゴリズムについて、RGB-D画像と赤外線画像とを入力とし、2つの全畳込みネットワーク(FCN)を用いて、一つのフレーム内の共同動作を推進し、把握し、対応するQ値を出力し、ロボットが密集物体に対してプッシュする動作を指導する。そして,環境と相互作用してインセンティブを得る。実験結果によると、所設把握対象に対する完成率は100%であり、把握成功率は69.4%で、無推進の対比実験11.2%より高く、温度相関度は79.5%であり、温度の高い物体を優先的に把握する機能を有する。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 ,  相互作用 ,  畳込み ,  ネットワーク ,  ロボット ,  画像 ,  Q値 ,  赤外線画像 ,  *強化学習 ,  距離画像
準シソーラス用語： 成功率 ,  高密度 ,  ネットワークアルゴリズム ,  RGB-D , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  ロボットの運動・制御  (IC04012J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 強化学習 ,  物体 ,  優先 ,  プッシュ ,  手法