{"product_id":"ieej-ct16tc06005","title":"深層強化学習を用いた移動ロボットの行動獲得の試み","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003eTC6-5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【C】平成28年電気学会電子・情報・システム部門大会講演論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2016\/08\/31\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA Study on Behavior Acquisition of Mobile Robot by Deep Reinforcement Learning\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e佐々木 光(松江工業高等専門学校),堀内 匡(松江工業高等専門学校),加藤 聡(松江工業高等専門学校)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eHikaru Sasaki|Tadashi Horiuchi|Satoru Kato\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e深層強化学習|行動獲得|移動ロボット|畳み込みニューラルネットワーク|Deep Reinforcement Learning|Behavior Acquisition|Mobile Robot|Convolutional Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e深層強化学習は深層学習 (Deep Learning) と強化学習を組み合わせた枠組みである．その中でもDeep Q-network (DQN) は，Convolutional Neural Network (CNN) を用いて，Q学習の行動価値関数を近似する手法であり，幅広い応用が可能な強化学習アルゴリズムである．この手法を用いることで，画像などの高次元データを入力（状態）とした強化学習が可能となる．本研究では，汎用ロボットシミュレータWebotsを利用して，車輪型の移動ロボットのシミュレーション環境を構築し，ロボットの行動学習にDQNを応用する．ロボットに取り付けたカメラ画像をDQNの入力とし，学習することでロボットが壁や障害物を避けながら進む行動を獲得することを実現する．本研究では，シミュレーション環境を用いて，深層強化学習の有効性を確認する．\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e1,671 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 4","offer_id":46406984859887,"sku":"IEEJ-CT16TC06005-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_e8ab9aff-1057-49a2-9df2-2cecafc48e0f.png?v=1745156073","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-ct16tc06005","provider":"電気学会 電子図書館","version":"1.0","type":"link"}