| 講演名 | 2022-09-14 強化学習エージェントの軌跡を用いたサンプルベース経路計画 神山 慶伍(東工大), 太田 佳(東工大), 高波 亮介(東工大), 金崎 朝子(東工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 強化学習エージェントの過去の軌跡を利用し、動力学制約を考慮する経路生成法を提案する。はじめに、障害物のない環境においてエージェントの強化学習を行う。次に、学習したポリシーを用いて多様な軌跡の生成を行う。生成された経路はロボット固有の動力学制約を考慮している。そして、生成された軌道上の点からのサンプルベース経路計画を行う。実験では、最短経路生成手法であるA*と比較し、より追従しやすい経路を生成することを確かめた。 |
| 抄録(英) | We propose a path planning method that considers dynamics constraints by using the past trajectories obtained through reinforcement learning. First, reinforcement learning of an agent is performed in an obstacle-free environment. Next, various trajectories are generated using the learned policies. The generated trajectories take robot-specific kinematics constraints into account. Sample-based path planning is then performed over points on the generated trajectories. Experiments confirmed that the generated paths are easier to follow compared to A* search, which is a conventional shortest-path finding method. |
| キーワード(和) | 深層学習 / 軌道生成 / ナビゲーション |
| キーワード(英) | deep learning / trajectory generation / navigation |
| 資料番号 | PRMU2022-10 |
| 発行日 | 2022-09-07 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2022/9/14(から2日開催) |
| 開催地（和） | 慶應義塾大学 矢上キャンパス |
| 開催地（英） | |
| テーマ（和） | 深層生成モデル |
| テーマ（英） | Deep generative model |
| 委員長氏名（和） | 内田 誠一(九大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) |
| 副委員長氏名（和） | 舩冨 卓哉(奈良先端大) / 安倍 満(デンソーアイティーラボラトリ) |
| 副委員長氏名（英） | Takuya Funatomi(NAIST) / Mitsuru Anpai(Denso IT Lab.) |
| 幹事氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
| 幹事氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 井上 中順(東工大) / 川西 康友(理研) |
| 幹事補佐氏名（英） | Nakamasa Inoue(Tokyo Inst. of Tech.) / Yasutomo Kawanishi(Riken) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 強化学習エージェントの軌跡を用いたサンプルベース経路計画 |
| サブタイトル（和） | |
| タイトル（英） | Sampling-based path planning using trajectories obtained by reinforcement learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | 軌道生成 / trajectory generation |
| キーワード(3)（和/英） | ナビゲーション / navigation |
| 第 1 著者 氏名（和/英） | 神山 慶伍 / Keigo Kamiyama |
| 第 1 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 2 著者 氏名（和/英） | 太田 佳 / Kei Ota |
| 第 2 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 3 著者 氏名（和/英） | 高波 亮介 / Ryosuke Takanami |
| 第 3 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 第 4 著者 氏名（和/英） | 金崎 朝子 / Asako Kanezaki |
| 第 4 著者 所属（和/英） | 東京工業大学(略称：東工大) Tokyo Institute of Technology(略称：Tokyo Tech) |
| 発表年月日 | 2022-09-14 |
| 資料番号 | PRMU2022-10 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | PRMU-181 |
| ページ範囲 | pp.1-6(PRMU), |
| ページ数 | 6 |
| 発行日 | 2022-09-07 (PRMU) |