荷物運搬ロボットによる分業最適化に向けたタスク割り当てと階層型強化学習を用いた最適化手法の開発

カテゴリ: 研究会(論文単位)

論文No: ST23034,CT23097

グループ名: 【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日: 2023/11/29

タイトル(英語): Task Assignment and Hierarchical Reinforcement Learning for Optimizing the Division of Labor by a Baggage Handling Robot

著者名: 古川 竜也(広島大学),林田 智弘(広島大学),西崎 一郎(広島大学),関崎 真也(広島大学)

著者名(英語): Ryuya Furukawa(Hiroshima University),Tomohiro Hayashida(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University)

キーワード: 強化学習|最適化手法|マルチエージェント|reinforcement learning|optimization method|multi-agent

要約(日本語): 本研究では，倉庫内での荷物運搬作業を行うロボットを題材とし，複数台のロボットによる効果的な分業実現に向けた学習手法の開発を目的とする．大規模で複雑な環境での試行錯誤的な学習による経路最適化では，計算コストが大きくなるため，複数巡回セールスマン問題と階層型強化学習を組み合わせることで計算コストの大幅な削減と学習の効率化を目指す．また，シミュレーション実験により提案手法の有用性を示す．

要約(英語): The aim of this study is to construct a learning method for realizing an effective division of_x000D_ tasks in transportation by multiple warehouse robots.This study aims to construct a robot action decision system using the concepts of hierarchical reinforcement learning and multiple travelling salesman problems.

本誌: 2023年12月2日-2023年12月3日システム/制御合同研究会

本誌掲載ページ: 23-27 p

原稿種別: 日本語

PDFファイルサイズ: 1,364 Kバイト