文献

J-GLOBAL ID：202202287642378562   整理番号：22A0967624

深層強化学習に基づくUAVの自律障害物回避と目標追跡【JST・京大機械翻訳】

Autonomous Obstacle Avoidance and Target Tracking of UAV Based on Deep Reinforcement Learning

著者 (4件)： Xu Guoqiang (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Jiang Weilai (College of Electrical and Information Engineering, Hunan University, Changsha, China) ,  Wang Zhaolei (Science and Technology on Aerospace Intelligent Control Laboratory, Beijing Aerospace Automatic Control Institute, Beijing, China) ,  Wang Yaonan (College of Electrical and Information Engineering, Hunan University, Changsha, China)
資料名： Journal of Intelligent & Robotic Systems  (Journal of Intelligent & Robotic Systems)
巻： 104  号： 4  ページ： 60  発行年： 2022年 
JST資料番号： T0752A  ISSN： 0921-0296  CODEN： JIRSES  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： 無人機(UAV)自律障害物回避と目標追跡タスクを完成するために,深い強化学習アルゴリズムを使用するとき,遅い収束速度と低い成功率のようないくつかの問題がしばしばある。したがって,本論文は,新しい深層強化学習アルゴリズム,すなわち,多重Pools Twin Delay Deep Depectstic Power Gradient(MPTD3)アルゴリズムを提案した。最初に,UAVの状態空間と動作空間を連続モデルとして確立し,それは離散モデルより工学実践に近い。次に,多重経験プール機構と勾配打ち切りを,アルゴリズムの収束を改善するために設計した。さらにまた,アルゴリズムの一般化能力は,UAV環境認識能力を与えて得た。実験結果により,提案した方法の有効性を検証した。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2022 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 ,  勾配 ,  多重化 ,  空間 ,  無人機 ,  有効性 ,  障害物回避 ,  学習アルゴリズム
準シソーラス用語： 自律性 ,  収束速度 ,  環境認識 ,  離散モデル ,  状態空間 ,  *ターゲット追跡 ,  連続モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 無人航空機(UAV) ,  自律障害物回避 ,  目標追跡 ,  深層強化学習 ,  連続制御

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 (5件)： 深層強化学習 ,  UAV ,  自律 ,  障害物回避 ,  目標追跡