重み付けされた複数の正規分布を用いた政策表現　　最適行動変化に追従できる実時間強化学習と環状ロボットへの適用

DOI Web Site Web Site 被引用文献3件 参考文献19件

書誌事項

タイトル別名
  • A Policy Representation Using Weighted Multiple Normal Distribution Real-time Reinforcement Learning Feasible for Varying Optimal Actions.
  • オモミヅケ サレタ フクスウ ノ セイキ ブンプ オ モチイタ セイサク ヒョウゲン サイテキ コウドウ ヘンカ ニ ツイジュウ デキル ジツジカン キョウカ ガクシュウ ト カンジョウ ロボット エ ノ テキヨウ
  • Real-time Reinforcement Learning Feasible for Varying Optimal Actions
  • 最適行動変化に追従できる実時間強化学習と環状ロボットへの適用

この論文をさがす

抄録

In this paper, we challenge to solve a reinforcement learning problem for a 5-linked ring robot within a real-time so that the real-robot can stand up to the trial and error. On this robot, incomplete perception problems are caused from noisy sensors and cheap position-control motor systems. This incomplete perception also causes varying optimum actions with the progress of the learning. To cope with this problem, we adopt an actor-critic method, and we propose a new hierarchical policy representation scheme, that consists of discrete action selection on the top level and continuous action selection on the low level of the hierarchy. The proposed hierarchical scheme accelerates learning on continuous action space, and it can pursue the optimum actions varying with the progress of learning on our robotics problem. This paper compares and discusses several learning algorithms through simulations, and demonstrates the proposed method showing application for the real robot.

収録刊行物

被引用文献 (3)*注記

もっと見る

参考文献 (19)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ