| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2010-03-09 15:00 強化学習を用いた変動環境下の最短経路探索 ○甲斐孝史・石川眞澄（九工大）  NC2009-108 |
|
| 抄録 | （和） | エージェント自身に環境認識を行わせ、環境変化を認識するとMapの再学習を行わせることで変動環境下においてゴールまでの最適行動を強化学習によって求めることを目的とする。また、最短行動を学習済みでも時節環境の探索を行わせることにより新しい最短経路の出現にも対応する。環境の認識は尤度を求めることにより行う。シミュレーション実験を行い、パラメータの設定の調整により行動回数を減少することが出来た。併せて、提案手法で用いたパラメータ値がエージェントの行動に与える影響についても検討した。 |
| （英） | The present paper proposes to search a method for an agent to find the shortest path by reinforcement learning in varying environment based on recognition of the change of the environment and relearning of the environment. Even after completion of the environment, the agent once in a while explores the environment to recognize the emergence of a shorter path. The recognition of the environment is done by calculating the likelihood of occupancy of the grid concerned based on a sequence of sensory signals. Simulation experiments reveal that adjustment of parameters enables the decrease of the number of steps to the goal compared to the conventional reinforcement learning. How parameter values affect the performance of goal reaching is also analyzed. | |
| キーワード | （和） | 強化学習 / グリッドベース地図 / 好奇心 / 内部報酬 / 変動環境 / / / |
| （英） | reinforcement learning / grid-based map / curiosity / internal reward / varying environment / / / | |
| 文献情報 | 信学技報, vol. 109, no. 461, NC2009-108, pp. 119-124, 2010年3月. | |
| 資料番号 | NC2009-108 | |
| 発行日 | 2010-03-02 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2009-108 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2010-03-09 - 2010-03-11 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2010-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習を用いた変動環境下の最短経路探索 |
| サブタイトル（和） | |
| タイトル（英） | Reinforcement Learning with Internal Rewards Based on Error in a Grid-based Map |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 強化学習 / reinforcement learning |
| キーワード(2)（和/英） | グリッドベース地図 / grid-based map |
| キーワード(3)（和/英） | 好奇心 / curiosity |
| キーワード(4)（和/英） | 内部報酬 / internal reward |
| キーワード(5)（和/英） | 変動環境 / varying environment |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 甲斐 孝史 / Takafumi Kai / カイ タカフミ |
| 第1著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： Kyushu Inst. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 石川 眞澄 / Masumi Ishikawa / イシカワ マスミ |
| 第2著者 所属（和/英） | 九州工業大学 (略称： 九工大) Kyushu Institute of Technology (略称： Kyushu Inst. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-03-09 15:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2009-108 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.119-124 |
| ページ数 | 6 |
| 発行日 | 2010-03-02 (NC) |
[研究会発表申込システムのトップページに戻る]