文献

J-GLOBAL ID：202202264422606148   整理番号：22A0396938

ヒューマノイドロボットのためのファジィ二重深Qネットワークベース歩行パターンコントローラ【JST・京大機械翻訳】

Fuzzy Double Deep Q-Network-Based Gait Pattern Controller for Humanoid Robots

著者 (9件)： Li Tzuu-Hseng S. (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Kuo Ping-Huan (Department of Intelligent Robotics, National Pingtung University, Pingtung, Taiwan) ,  Chen Lin-Han (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Hung Chia-Ching (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Luan Po-Chien (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Hsu Hao-Ping (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Chang Chien-Hsin (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Hsieh Yi-Ting (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan) ,  Lin Wen-Hsun (aiRobots Laboratory, Department of Electrical Engineering, National Cheng Kung University, Tainan, Taiwan)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 30  号： 1  ページ： 147-161  発行年： 2022年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  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： 本論文では,適応ネットワークベースファジィ推論システム(ANFIS)を,ヒューマノイドロボットが実時間で線形倒立振り子モデルベース歩行パターンを生成することができるように,ファジィDDQN(FDDQN)を実現するために,二重深Qネットワーク(DDQN)と組み合わせた。FDDQNはヒューマノイドロボットが歩行パターンを瞬時に修正するだけでなく,その安定性も改善する。提案スキームを設計し,Louisと呼ばれるトドラーサイズのヒューマノイドロボットに実装した。最初に,4つの圧力センサーを,単独の底に設置し,そして,1つの慣性測定ユニットを,ロボットの胴体上に設置した。無線通信チップを用いて,ロボットに必要なパラメータを決定するために,データをコンピュータに転送する。次に,Linuxオペレーティングシステムに基づく制御システムを開発した。DDQNを訓練するためにANFISで得られた圧力と加速度の中心の値を採用した。提案したニューラルネットワークは,4つの層から成り,そして,モデルを,過剰適合を避けるために,慎重に選択した。提案した方式をロボットシミュレータを用いて検証し,次にLouis上で実時間テストを行った。実験結果は,FDDQNが歩行中にロボットタイムリーなフィードバックを提供し,同様に歩行パターンを調整するのを助けることを示した。効果的な動的フィードバックによるロボットのバランスは,歩行に対する幼児学習のバランス能力に類似している。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： オペレーティングシステム ,  学習 ,  シミュレータ ,  *ネットワーク ,  *ロボット ,  加速度 ,  胴体 ,  ニューラルネットワーク ,  無線伝送 ,  幼児 ,  コンピュータ ,  倒立振り子 ,  Linux
準シソーラス用語： モデルベース ,  *歩行パターン , 【Automatic Indexing@JST】

分類 (2件)： ロボットの設計・製造・構造要素  (IC04013A) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： ヒューマノイドロボット ,  ファジィ ,  歩行パターン ,  コントローラ