文献

J-GLOBAL ID：201602255342397431   整理番号：16A0653564

パラメータ化物理モデルと楽観主義駆動探索を用いたモデルベース強化学習【Powered by NICT】

Model-based reinforcement learning with parametrized physical models and optimism-driven exploration

著者 (5件)： Xie Chris (Department of Electrical Engineering and Computer Science, University of California, Berkeley, United States of America) ,  Patil Sachin (Department of Electrical Engineering and Computer Science, University of California, Berkeley, United States of America) ,  Moldovan Teodor (Department of Electrical Engineering and Computer Science, University of California, Berkeley, United States of America) ,  Levine Sergey (Department of Electrical Engineering and Computer Science, University of California, Berkeley, United States of America) ,  Abbeel Pieter (Department of Electrical Engineering and Computer Science, University of California, Berkeley, United States of America)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 504-511  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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,モデル同定とモデル予測制御からのアイデアを結合したロボットモデルベース強化学習法を提案した。簡単な最小二乗法と適合させる必要のある動力学モデルを可能にする動力学の特徴ベース表現を用い,その特徴は,ロボットの形態の高レベル仕様から同定され,そのリンクの数と連結性構造で構成される。モデル予測制御は,動力学の楽観的モデルで,効率的で,目標駆動型探索戦略を産生する下での作用を選ぶためにも用いる。振り子,cartpole,と二重振子系を含む標準的ベンチマーク問題に関するリアルタイム実験結果を示した。実験は,この方法が従来の最良の手法よりも大幅に速い範囲のベンチマークタスクを学習できることを示した。現実的なロボット制御タスク上で提案アプローチを評価するために,ここではまた,シミュレートされた7自由度アームの実時間制御を実証した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 振り子 ,  ロボット ,  自由度 ,  *強化学習 ,  ベンチマーク ,  最小二乗法 ,  *パラメタリゼーション
準シソーラス用語： 実時間制御 ,  ロボット制御 ,  二重振り子 ,  動力学モデル ,  モデル予測制御 ,  モデル同定 ,  *モデルベース ,  *物理モデル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： パラメータ化 ,  物理モデル ,  楽観主義 ,  探索 ,  モデルベース ,  強化学習