実環境ロボット学習における背景知識供与戦略および学習環境の制御戦略に関する研究

真实环境机器人学习中背景知识提供策略与学习环境控制策略研究

• 批准号: 12750204
• 负责人: 矢入 健久
• 金额: $ 1.41万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 2000
• 资助国家: 日本
• 起止时间: 2000 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-12750204/
• 关键词: 知能ロボット; 機械学習; 情報理論; 概念学習; 強化学習; 環境地図獲得; 状態抽象化; 行動獲得

本研究の最終年度である本年度は、主に2つの具体的なタスクを対象として取り上げ、ロボットの学習戦略に関する本研究の提案手法を適用した。その2つのタスクとは、・環境報酬に基づく反射的ルール獲得・定性的な観測情報に基づく環境地図の学習である。まず、前者については、従来ロボット学習の分野では別個に扱われてきた帰納的概念学習法と強化学習法とを統合する方法を情報理論的な立場から提案した。この成果は別掲のように雑誌論文で発表済みである。また、後者については、従来ロボット設計者が暗黙のうちにプログラムに埋め込んでいた環境に関する定性的知識をロボット自身が処理し、環境地図を学習する新しい手法を提案した。この成果も国際学会等で発表され、また雑誌論文に投稿中である。以上のように、本研究で得られた成果はロボット学習分野において非常に新規性・意義に富んだものであり、本課題が終了した後もさらに発展的なテーマに取り組んで行く予定である。

今年，本研究的最后一年主要集中在两个特定任务上，并将本研究的拟议方法应用于机器人学习策略。这两个任务是： - 基于定性观察信息基于环境奖励和学习环境图的反身规则。首先，关于前者，我们提出了一种整合归纳概念学习方法和强化学习方法的方法，从信息理论的角度来看，这些方法传统上在机器人学习领域进行了分开处理。这些结果已经在单独列出的期刊论文中发表。此外，关于后者，我们提出了一种新方法，其中机器人本身处理了关于环境的定性知识，该环境以前被机器人设计师隐含地嵌入了该程序，并学习了环境图。这些结果也已在国际学术会议上提出，目前已提交期刊论文。如上所述，从这项研究中获得的结果在机器人学习领域非常新颖且有意义，我们计划在完成这项任务后继续致力于更高级的主题。

项目成果

矢入健久, 堀浩一, 中須賀真一: "複数行動結果を考慮した最尤推定に基づく状態一般化法"人工知能学会誌. 16・1. 128-138 (2001)

Takehisa Yairi、Koichi Hori、Shinichi Nakasuka：“基于考虑多个动作结果的最大似然估计的状态概括方法”人工智能学会杂志 16・1（2001）。

矢入健久, 堀浩一: "強化学習エージェントの状態空間構成問題への情報理論的アプローチ"第4回情報論的学習理論ワークショップ. 315-320 (2001)

Takehisa Yairi、Koichi Hori：“强化学习代理状态空间构建问题的信息理论方法”，第四届信息理论学习理论研讨会 315-320 (2001)。

Takehisa Yairi,Koichi Hori and Shinichi Nakasuka: "Dynamic Reconstruction of State Space for Behavior Acquisition or Reactive Agent"The 6th International Conference on Intelligent Autonomous Systems. 549-554 (2000)

Takehisa Yairi、Koichi Hori 和 Shinichi Nakasuka：“行为获取或反应代理的状态空间动态重建”第六届智能自治系统国际会议。

矢入健久,堀浩一,中須賀真一: "複数行動結果を考慮した最尤推定に基づく状態一般化法"人工知能学会誌. 16・1. 130-140 (2001)

Takehisa Yairi、Koichi Hori、Shinichi Nakasuka：“基于考虑多个动作结果的最大似然估计的状态概括方法”日本人工智能学会杂志 16・1（2001）。

Takehisa Yairi,Koichi Hori and Shinichi Nakasuka: "Autonomous Reconstruction of State Space for Learning of Robot Behavior"IEEE/RSJ International Conference on Intelligent Robots and Systems. 891-896 (2000)

Takehisa Yairi、Koichi Hori 和 Shinichi Nakasuka：“机器人行为学习的状态空间自主重建”IEEE/RSJ 国际智能机器人与系统会议。