深層強化学習を用いた実機ロボットの室内環境での行動獲得の試み

カテゴリ: 部門大会

論文No: GS9-3

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): A Study on Behavior Acquistion of Real Mobile Robot in Room Environment by Deep Reinforcement Learning

著者名: 栗山 海渡(長岡技術科学大学),綿貫 零真(松江工業高等専門学校),堀内 匡(松江工業高等専門学校),青代 敏行(松江工業高等専門学校)

著者名(英語): Kaito Kuriyama|Ryoma Watanuki|Tadashi Horiuchi|Toshiyuki Aodai

キーワード: 深層強化学習|行動獲得|実機ロボット|室内環境|視覚ベース学習|Deep Reinforcement Learning|Behavior Acquisition|Real Robot|Room Environment|Vision-based Learning

要約(日本語): 深層強化学習は，深層学習と強化学習を組み合わせた枠組みである。その代表的な手法である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機械学習手法である。この手法を用いることで，画像（視覚情報）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，DQNとその発展手法を実機の車輪型移動ロボットの室内環境での行動獲得に応用する。ロボットに取り付けたカメラの画像を入力とすることで，視覚情報のみに基づいた車輪型移動ロボットの行動獲得をシミュレーション環境および実機環境において実現する。

PDFファイルサイズ: 424 Kバイト