文献

J-GLOBAL ID：202202269425391576   整理番号：22A0500714

エキスパートの製品を用いた実証からの学習:操作とタスク優先順位付けへの応用【JST・京大機械翻訳】

Learning from demonstration using products of experts: Applications to manipulation and task prioritization

著者 (5件)： Pignat Emmanuel (Idiap Research Institute, Martigny, Switzerland) ,  Pignat Emmanuel (EPFL, Lausanne, Switzerland) ,  Silverio Joao (Idiap Research Institute, Martigny, Switzerland) ,  Calinon Sylvain (Idiap Research Institute, Martigny, Switzerland) ,  Calinon Sylvain (EPFL, Lausanne, Switzerland)
資料名： International Journal of Robotics Research  (International Journal of Robotics Research)
巻： 41  号： 2  ページ： 163-188  発行年： 2022年 
JST資料番号： W2140A  ISSN： 0278-3649  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： 確率分布は,実証(LfD)手法からの多くの学習の重要な構成要素であり,空間は中心的役割を果たすタスクを表現するために選択される。ロボット構成はその関節角度によって定義されるが,エンドエフェクタ姿勢はいくつかのタスク空間の中でよく説明される。多くのアプローチにおいて,関連タスク空間内の分布を独立に学習し,制御レベルでのみ結合した。この単純化は,この研究で取り組むいくつかの問題を意味する。異なるタスク空間におけるモデルの融合はエキスパート(PoE)の製品として表現でき,そこでは,モデルの確率が乗算され,再正規化され,それにより関節角の適切な分布となることを示した。多重実験を行い,PoEフレームワークにおける異なるモデルの学習が最終モデルの品質を著しく改善することを示した。ロボットが,タスクがいくつかのサブタスク(例えばヒューマノイドロボットにおいて,オブジェクトに対して到達するよりもより高い優先度を持つ)の優先順位付けを必要とするときに生じる階層的目的を学習しなければならないとき,提案アプローチは特に立っている。訓練は,通常,性能に影響するコストの高い近似を必要とするコントラスト発散に依存するので,変分推論と混合モデル近似を用いた代替戦略を提案する。特に,提案手法は,ヌル空間構造(PoENS)でPoEに拡張でき,そこでは,モデルがより高い重要性のタスクの分解能によってマスクされる二次タスクを回復できることを示している。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *学習 ,  簡素化 ,  ロボット ,  分解能 ,  確率分布 ,  立体構造 ,  近似法 ,  多重化 ,  正規化 ,  優先度
準シソーラス用語： 関節角度 ,  混合モデル ,  変分推論 , 【Automatic Indexing@JST】

著者キーワード (4件)： 専門家の製品 ,  デモンストレーションからの学習 ,  タスク優先順位付け ,  ヌル空間学習と制御

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (6件)： エキスパート ,  実証 ,  学習 ,  タスク ,  優先順位 ,  応用