深層強化学習を用いた倒立振子ロボットの目標軌道設計

カテゴリ: 研究会(論文単位)

論文No: MEC23004

グループ名: 【D】産業応用部門 メカトロニクス制御研究会

発行日: 2023/09/22

タイトル(英語): Target Trajectory Design for Inverted Pendulum Robot Using Deep Reinforcement Learning

著者名: 棚橋 徳晃(千葉工業大学),佐藤 燎平(千葉工業大学),熱海 武憲(千葉工業大学)

著者名(英語): Noriaki Tanahashi(Chiba Institute of Technology),Ryohei Sato(Chiba Institute of Technology),Takenori Atsumi(Chiba Institute of Technology)

要約(日本語): 一般的に, 非線形かつ不安定系である一入力多出力システムの機械の目標軌道を設計することは難しいとされている. そこで本稿では, 一入力二出力系である倒立振子ロボットを用いて, 深層強化学習により目標軌道を求める手法を提案する. ニューラルネットワークを用いて本体角度の目標軌道を設計した. 実験結果より, 車輪中心位置の目標軌道追従誤差を低減させることで深層強化学習の有効性を示した.

要約(英語): In general, it is hard to design the target trajectory of a machine for a single-input, multi-output, nonlinear and unstable system. This paper proposes a method to design a target trajectory by deep reinforcement learning using an inverted pendulum robot, which is a single-input, dual-output system. We use a neural network to design the target trajectory of the body angle. Experiment results show that the effectiveness of deep reinforcement learning by reducing the target trajectory tracking error of the wheel center position._x000D_

本誌: 2023年9月25日メカトロニクス制御研究会

本誌掲載ページ: 23-28 p

原稿種別: 日本語

PDFファイルサイズ: 1,547 Kバイト