深層強化学習を用いた群ロボットの行動獲得の試み

カテゴリ: 研究会(論文単位)

論文No: ST18062

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/09/26

タイトル(英語): A Study on Behavior Acquisition of Multi-Robot System by Deep Reinforcement Learning

著者名: 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): Ryoma Watanuki(National Institute of Technology, Matsue College),Tadashi Horiuchi(National Institute of Technology, Matsue College),Toshiyuki Aodai(National Institute of Technology, Matsue College)

キーワード: 深層強化学習|行動獲得|群ロボット|畳み込みニューラルネットワーク|Deep Reinforcement Learning|Behavior Acquisition|Multi-Robot System|Convolutional Neural Network

要約(日本語): 我々は，深層強化学習を用いて，実機環境において単一の車輪型移動ロボットが壁や障害物を避ける行動を獲得することをすでに実現した．本研究では，複数の移動ロボットが存在する環境において深層強化学習を適用し，ロボットが壁や相手のロボットを避ける行動を獲得することを目指す．取り得る状態数の増加，他のロボットによる影響などによって単一のロボットを対象とした場合よりも難しいタスクになる．

要約(英語): We have already realized that a single wheeled mobile robot acquired behavior to avoid walls and obstacles by Deep Q-network (DQN), which is one of the most famous methods of deep reinforcement learning. In this research, we apply DQN method to multi-robot environment and we aim to realize that the robots acquire behavior to avoid walls and other robots.

原稿種別: 日本語

PDFファイルサイズ: 1,569 Kバイト