Reinforcement learning in partially observable mobile robot domains using unsupervised event extraction
Reinforcement learning in partially observable mobile robot domains using unsupervised event extraction
复制标题
使用无监督事件提取在部分可观察移动机器人领域进行强化学习
DOI：
10.1109/irds.2002.1041511
复制
发表时间：
2002
期刊：
影响因子：
--
通讯作者：
J. Schmidhuber
中科院分区：
文献类型：
--
作者：
B. Bakker;F. Linåker;J. Schmidhuber
本文描述了如何将强化学习与一种称为ARAVQ的无监督学习“事件提取”机制相结合来解决部分可观测移动机器人领域中的学习任务。ARAVQ将机器人连续的、嘈杂的、高维的感觉输入流转换为一系列紧凑的高级事件。由此产生的分级控制系统使用LSTM递归神经网络作为强化学习组件，其响应于高级事件的历史来学习高级动作。高层动作选择负责实时运动控制的低级动作。给出了基于Khepera移动机器人模拟器的实验结果。
This paper describes how learning tasks in partially observable mobile robot domains can be solved by combining reinforcement learning with an unsupervised learning "event extraction" mechanism, called ARAVQ. ARAVQ transforms the robot's continuous, noisy, high-dimensional sensory input stream into a compact sequence of high-level events. The resulting hierarchical control system uses an LSTM recurrent neural network as the reinforcement learning component, which learns high-level actions in response to the history of high-level events. The high-level actions select low-level behaviors which take care of the real-time motor control. Illustrative experiments based on the Khepera mobile robot simulator are presented.
放大的分层 DNA 内存的实验挑战
DOI：
--
发表时间：
2005
期刊：
Proceedings of DNA11 1
影响因子：
--
作者：
S. Kashiwamura;M. Yamamoto;A. Kameda;A. Ohuchi
通讯作者：
A. Ohuchi