$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

RPO 기반 강화학습 알고리즘을 이용한 로봇제어
Robot Control via RPO-based Reinforcement Learning Algorithm 원문보기

퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, v.15 no.4, 2005년, pp.505 - 510  

김종호 (고려대학교 제어계측공학과) ,  강대성 (고려대학교 제어계측공학과) ,  박주영 (고려대학교 제어계측공학과)

초록
AI-Helper 아이콘AI-Helper

제어 입력 선택 문제에 있어서 확률적 전략을 활용하는 RPO(randomized policy optimizer) 기법은 최근에 개발된 강화학습 기법으로써, 많은 적용 사례를 통해서 그 가능성이 입증되고 있다 본 논문에서는, 수정된 RPO 알고리즘을 제안하는데, 이 수정된 알고리즘의 크리틱 네트워크 부분은 RLS(recursive least square) 기법을 통하여 갱신된다. 수정된 RPO 기법의 효율성을 확인하기 위해 Kimura에 의해서 연구된 로봇에 적용하여 매우 우수한 성능을 관찰하였다. 또한, 매트랩 애니메이션 프로그램의 개발을 통해서, 로봇의 이동이 시간에 따라 가속되는 학습 알고리즘의 효과를 시각적으로 확인 할 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

The RPO(randomized policy optimizer) algorithm, which utilizes probabilistic policy for the action selection, is a recently developed tool in the area of reinforcement learning, and has been shown to be very successful in several application problems. In this paper, we propose a modified RPO algorit...

주제어

#강화학습   #RPO 알고리즘   #Kimura의 로봇  

참고문헌 (8)

  1. P. Wawrzynski and A. Pacut, 'A simple actorcritic algorithm for continuous environments,' Proceedings of the 10th IEEE Int. Conf. on Methods and Models in Automation and Robotics, pp. 1143-1149, 2004 

  2. P. Wawrzynski and A. Pacut, 'Model-free off-policy reinforcement learning in continuous environment,' Proceedings of the International Joint Conference on Neural Networks, pp. 1091-1096, 2004 

  3. X. Xu, H. He and D. Hu, 'Efficient Reinforcement Learning Using Recursive Least-Square Methods,' Journal of Artificial Intelligence Research, vol 16, pp. 259-292, 2002 

  4. H. Kimura, K. Miyazaki, and S. Kobayashi, 'Reinforcement learning in POMDPs with function approximation,' In Proceedings of the 14th International Conference on Machine Learning (ICML '97), pp. 152-160, 1997 

  5. R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction, MIT Press, 1998 

  6. H. Kimura and S. Kobayashi, 'An Analysis of Actor/Critic Algorithms using Eligibility Traces: Reinforcement Learning with Imperfect Value Function,' Proceedings of the 15th International Conference on Machine Learning, pp. 278--286, 1998 

  7. V. R. Konda and J. N. Tsitsiklis, 'Actor-Critic Algorithms,' SIAM Journal on Control and Optimization, vol. 42, pp. 1143-1166, 2003 

    상세보기 crossref

  8. 박주영, 김종호, 신호근, 'SGA 기반 강화학습 알고 리즘을 이용한 로봇 제어' 한국 퍼지 및 지능시스 템 학회 2004년도 추계학술 대회 논문집, 14권 2호, pp. 63-66, 2004년 10월 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로