文献

J-GLOBAL ID：202202275954975277   整理番号：22A0966497

マルチロボット協調とQ学習アプローチを用いたCovid-19影響患者の予防:解決策【JST・京大機械翻訳】

Prevention of Covid-19 affected patient using multi robot cooperation and Q-learning approach: a solution

著者 (4件)： Sahu Bandita (Department of Computer Science and Engineering, VSSUT, Burla, India) ,  Das Pradipta Kumar (Department of Information Technology, VSSUT, Burla, India) ,  Kabat Manas Ranjan (Department of Computer Science and Engineering, VSSUT, Burla, India) ,  Kumar Raghvendra (Department of Computer Science and Engineering, GIET University, Gunupur, India)
資料名： Quality & Quantity  (Quality & Quantity)
巻： 56  号： 2  ページ： 793-821  発行年： 2022年 
JST資料番号： W4882A  ISSN： 0033-5177  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 新しいコロナウイルス(COVID-19)とのコンバットは,すべてのフロントライン戦争者,例えば,メディックな人々,警察,および他のサービスプロバイダにとって,挑戦的になってきた。多くの技術と知的アルゴリズムを開発し,その増分成長における境界を設定した。本論文は,COVID-19患者に直接曝露される,メディック人の間でこの疾患の拡大に関する境界を設定するための概念を提案した。感染リスクを軽減するために,著者らは,確認された症例患者に医療サービスを提供するために,メディックロボットの理論モデルを設計した。本稿では,救急医療サービスを搬送し,薬剤を運搬し,救急医療サービスを取扱うための,メディックロボットの割り当てられた作業の展開と実行について説明した。メディックロボットは,それらの作業に基づいて様々なグループに分割される。COVID-19地域はマルチロボット環境として考慮され,そこでは複数のメディックロボットが同時に動作する。マルチロボット協調と衝突回避を達成するために,最も単純な強化学習手法,すなわちQ学習アプローチを実行した。改良型Q学習手法に関して結果を比較した。簡単さ,目的,展開ロボットカテゴリー,および協調のようなパラメータに基づく比較分析を,文献において言及されたいくつかの他のアプローチで行った。単純さと時間及び空間複雑性の目的で,結果はQ学習手法がより良い考察であることを明らかにした。提案方法は死亡率を2%減少させた。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 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 ,  死亡率 ,  対策 ,  病気 ,  警察 ,  *患者 ,  予防 ,  強化学習 ,  衝突回避 ,  *マルチロボット
準シソーラス用語： 理論モデル ,  救急医療 ,  *Q学習 ,  医療サービス ,  複雑性 , 【Automatic Indexing@JST】

著者キーワード (4件)： Coronaウイルス ,  メディックロボット ,  マルチロボット環境 ,  マルチロボット協調

分類 (1件)： 医療制度  (GB04020H)

タイトルに関連する用語 (7件)： マルチロボット ,  協調 ,  Q学習 ,  COVID-19 ,  患者 ,  予防 ,  解決策