权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

受動性を活用したロボットの強化学習とそのためのデータ駆動モデル構築

使用被动性的机器人强化学习并为其构建数据驱动模型

基本信息

批准号：
22K04027
负责人：
有泉亮
金额：
$ 2.66万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K04027/
关键词：
受動性強化学習最適制御ロボット

项目摘要

強化学習において，対象とするシステムに関する完全なモデルが存在する場合，その知識を利用して強化学習を大幅に効率化することが可能である．しかし，ロボットなどの対象を考える場合，完全なモデルを得られることはほとんどない．また，中途半端な知識を利用しようとすると，かえって学習効率の低下を招いてしまう．本研究では，完全なモデルが得られなくても，定性的・構造的な事前知識を利用することで学習効率を大幅に向上できるのではないか，という発想に基づいて学習の効率化を目指している．本期間においては，その第一歩として，多くの機械システムが共通して持つ特徴である受動性に着目し，受動性を保証するモデルの構造を用いたシステムの推定に関する研究を行った．受動性を構造的に保証可能なモデルとして，ポート・ハミルトンモデルが知られている．このモデルはハミルトンの運動方程式を拡張したものであり，力学系のみならず，熱流体システムや電気システムなど幅広い物理システムをこの形式のモデルで表現できる．本期間ではこのモデルの形を仮定したうえで，深層学習の手法を用いることで，受動性を満たすと期待されるシステムの推定を効率的に実施する方法を提案した．手法の有効性はロボットマニピュレータの手先位置制御に関する数値シミュレーションにより検証している．提案法による推定では，10回以下のシミュレーション結果から，制御での使用に耐えるモデルの獲得に成功した．一方，モデルの形式を指定しない方法では，同程度のパラメータ数のモデルで同程度の性能を発揮するためには数百回分のシミュレーションデータが必要であることを確認した．これらの結果は，近年注目を集めているphysics-informed neural networksの制御工学への応用に関する最初の成果の一つであると言えると考えている．

There is a good match between the two parts of the brain, and the result is that there is a problem in the middle of the process, and there is a good deal of knowledge in the middle of the study. In this study, the students' knowledge in advance is significantly higher than that of the students in this study. In this study, there is a significant increase in the number of students who do not want to learn in advance. In this study, in this study, the qualitative knowledge in advance is based on the fact that there is a significant increase in the rate of learning in advance, and that the students want to change the rate of basic education. Multi-system mechanical equipment is common to maintain a special effect on the effect of action, and the cause of action is to be presumed to be effective in the study of activity. it is possible that the protection created by the action device may be affected. Do not know that there is a problem in the form of a physical one. During the period of this period, the equation of motion, the equation of motion, the department of mechanics, the department of mechanics, the In this paper, we use the method to determine the rate of presumptive error, and we expect to use the method to determine the presumptive rate. The method is based on the proposed method. The method is based on the position of the operator to determine the number of errors. The proposed method is based on the presumption of the error rate, and the following 10 times. On the one hand, the control system is successful. On the other hand, the method is specified in the form, and the same level of performance is recorded. The performance is different in the same level. In recent years, attention has been paid to the use of the initial achievements in the field of physics-informed neural networks engineering.