| 講演名 | 2023-01-29 レザバーアクタークリティックモデルによるロボットの連続値制御 湊 宏太郎(はこだて未来大), 香取 勇一(はこだて未来大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 複雑な環境下で動作するロボットの制御のために，深層学習の活用が期待されているが，それには大量のデータ，学習時間，電力が必要になるという問題がある．これを解決する方法としてレザバー計算(Reservoir Computing:RC)を用いたロボット制御が提案されているが，制御信号が連続値である場合の制御方法は明らかになっていない ．本研究では強化学習手法の一つであるアクタークリティック法をRCと組み合わせて，連続値による制御が要求されるロボット制御のモデルを構築する．このレザバーアクタークリティックモデルが，連続値制御が要求される車の山登りタスク(MountainCarContinuous-v0)において,うまく動作することを報告する． |
| 抄録(英) | Deep learning is expected to be utilized to control robots operating in complex environments, but this requires a large amount of data, training time, and power. Robot control using reservoir computing (RC) has been proposed as a method to solve this problem, but the control method when the control signal is a continuous value has yet to be elucidated. In this study, the actor-critic method, one of the reinforcement learning methods, is combined with RC to construct a model of robot control that requires control by continuous values. We report that the reservoir actor-critic model performs well in a car mountain climbing task (MountainCarContinuous-v0), which requires continuous-valued control. |
| キーワード(和) | レザバー計算 / 強化学習 / アクタークリティック法 / 連続行動空間 |
| キーワード(英) | reservoir computing / reinforcement learning / actor-critic method / continuous action space |
| 資料番号 | NLP2022-103,NC2022-87 |
| 発行日 | 2023-01-21 (NLP, NC) |
| 研究会情報 | |
| 研究会 | NC / NLP |
|---|---|
| 開催期間 | 2023/1/28(から2日開催) |
| 開催地（和） | 公立はこだて未来大学 |
| 開催地（英） | Future University Hakodate |
| テーマ（和） | NC, NLP, 一般 |
| テーマ（英） | NC, NLP, etc. |
| 委員長氏名（和） | 山川 宏(東大) / 常田 明夫(熊本大) |
| 委員長氏名（英） | Hiroshi Yamakawa(Univ of Tokyo) / Akio Tsuneda(Kumamoto Univ.) |
| 副委員長氏名（和） | 田中 宏和(東京都市大学) / 鳥飼 弘幸(法政大) |
| 副委員長氏名（英） | Hirokazu Tanaka(Tokyo City Univ.) / Hiroyuki Torikai(Hosei Univ.) |
| 幹事氏名（和） | 寺島 裕貴(NTT) / 西田 知史(NICT) / 吉岡 大三郎(崇城大) / 伊藤 大輔(岐阜大) |
| 幹事氏名（英） | Hiroki Terashima(NTT) / Satoshi Nishida(NICT) / Daizaburo Yoshioka(Sojo Univ.) / Daisuke Ito(Gifu Univ.) |
| 幹事補佐氏名（和） | 田和辻 可昌(早大) / 栗川 知己(関西医科大) / 横井 裕一(長崎大) / 山仲 芳和(宇都宮大) |
| 幹事補佐氏名（英） | Yoshimasa Tawatsuji(Waseda Univ.) / Tomoki Kurikawa(KMU) / Yuichi Yokoi(Nagasaki Univ.) / Yoshikazu Yamanaka(Utsunomiya Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | レザバーアクタークリティックモデルによるロボットの連続値制御 |
| サブタイトル（和） | |
| タイトル（英） | Continuous Value Control of Robot with Reservoir Actor-Critic Model |
| サブタイトル（和） | |
| キーワード(1)（和/英） | レザバー計算 / reservoir computing |
| キーワード(2)（和/英） | 強化学習 / reinforcement learning |
| キーワード(3)（和/英） | アクタークリティック法 / actor-critic method |
| キーワード(4)（和/英） | 連続行動空間 / continuous action space |
| 第 1 著者 氏名（和/英） | 湊 宏太郎 / Koutaro Minato |
| 第 1 著者 所属（和/英） | 公立はこだて未来大学(略称：はこだて未来大) Future University Hakodate(略称：Future Univ Hakodate) |
| 第 2 著者 氏名（和/英） | 香取 勇一 / Yuichi Katori |
| 第 2 著者 所属（和/英） | 公立はこだて未来大学(略称：はこだて未来大) Future University Hakodate(略称：Future Univ Hakodate) |
| 発表年月日 | 2023-01-29 |
| 資料番号 | NLP2022-103,NC2022-87 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | NLP-373,NC-374 |
| ページ範囲 | pp.118-122(NLP), pp.118-122(NC), |
| ページ数 | 5 |
| 発行日 | 2023-01-21 (NLP, NC) |