지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2019.8
- 수록면
- 746 - 751 (6page)
- DOI
- 10.5302/J.ICROS.2019.18.0221
이용수
초록· 키워드
오류제보하기
Reinforcement learning (RL) has been a promising approach in robotics and control because data-driven learning methods can reduce system reliance on human engineering knowledge. A model-based RL autonomously learns observed dynamics based on a general flexible nonparametric approach. Probabilistic Inference for Learning COntrol (PILCO) is one of the most data-efficient model-based RL frameworks. Since PILCO sets up a Bayesian estimator problem with a Gaussian process regression, it derives a fully deterministic approximate inference for policy evaluation, which makes it computationally efficient. However, PILCO requires a task-specific scenario. If an agent is given a new goal that is different than the original training goal, PILCO should relearn its model from scratch. This paper extends PILCO to tune a linear feedback controller with a quadratic cost function, where the quadratic cost function commonly used in control systems can adjust the trade-off relationship between control input consumption and convergence rate. The suggested method is not only able to maintain the analytic and deterministic approximate inference for policy evaluation, but is also able to interpret the controller design. The suggested RL framework is applied to the control of a small quadrotor unmanned aerial vehicle (UAV) with no given dynamics. The simulation results show the convergence of the learning control performance as a function of the number of RL iterations.
목차
Abstract
I. 서론
II. 가우시안 프로세스 모델 기반 강화 학습
III. 이차 비용 함수와 선형 궤환 제어기
IV. 시뮬레이션
V. 결론
REFERENCES
참고문헌 (10)
참고문헌 신청
Y.-B. Joo, J.-Y. Bang, S.-E. Oh, and K.-M. Huh, “Robust vehicle license plate recognition system using reinforcement learning,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 24, no. 4, pp. 334-339, Apr. 2018.
L. P. Kaelbling, M. L. Littman, and A. W. Moore, “Reinforcement learning: A survey,” Journal of Artificial Intelligence Research, vol. 4, pp. 237-285, May 1996.
I. Osband, C. Blundell, A. Pritzel, and R. B. Van, “Deep exploration via bootstrapped DQN,” Advances in Neural Information Processing Systems (NIPS 2016), pp. 4026-4034, 2016.
T. P. Lillicrap, J. J. Hunt, A. Pritzel, N. Heess, T. Erez, Y. Tassa, D. Silver, and D. Wierstra, “Continuous control with deep reinforcement learning,” arXiv preprint arXiv:1509.02971, Sep. 2015.
V. Mnih, K. Kavukcuoglu, D. Silver, A. A. Rusu, J. Veness, M. G. Bellemare, A. Graves, M. Riedmiller, A. K. Fidjeland, G. Ostrovski, and S. Petersen, “Human-level control through deep reinforcement learning,” Nature, vol. 518, no. 7540, pp. 529-533, Feb. 2015.
L. P. Kaelbling, M. L. Littman, and A. W. Moore, “Reinforcement learning: A survey,” Journal of Artificial Intelligence Research, vol. 4, pp. 237-285, May 1996.
I. Osband, C. Blundell, A. Pritzel, and R. B. Van, “Deep exploration via bootstrapped DQN,” Advances in Neural Information Processing Systems (NIPS 2016), pp. 4026-4034, 2016.
T. P. Lillicrap, J. J. Hunt, A. Pritzel, N. Heess, T. Erez, Y. Tassa, D. Silver, and D. Wierstra, “Continuous control with deep reinforcement learning,” arXiv preprint arXiv:1509.02971, Sep. 2015.
V. Mnih, K. Kavukcuoglu, D. Silver, A. A. Rusu, J. Veness, M. G. Bellemare, A. Graves, M. Riedmiller, A. K. Fidjeland, G. Ostrovski, and S. Petersen, “Human-level control through deep reinforcement learning,” Nature, vol. 518, no. 7540, pp. 529-533, Feb. 2015.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
LQR 제어기와 PILCO 강화학습 융합 연구
제어로봇시스템학회 논문지
2019 .10
-
팔꿈치 보조 소프트 엑소스켈레톤의 PILCO (Probabilistic Inference for Learning Control) 기반 효율적 데이터 학습 제어
한국정밀공학회 학술발표대회 논문집
2020 .09
-
하이브리드 강화학습을 이용한 무인기 자율주행
제어로봇시스템학회 논문지
2019 .06
-
동적시스템 제어를 위한 효율적인 강화학습 방법
전기학회논문지
2022 .09
-
강화학습 기반 화학 공정 제어 성능 향상을 위한 보상 함수 시뮬레이션 연구
제어로봇시스템학회 논문지
2022 .12
-
Intelligent Trajectory Tracking and Altitude Control of Aerial Robots using Deep Reinforcement Learning-based Adaptive Controller
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
안전한 모델 예측 제어와 강화 학습에 대한 연구 동향
제어로봇시스템학회 논문지
2025 .02
-
Adaptive Cruise Control for Self-driving Car Using Reinforcement Learning
제어로봇시스템학회 각 지부별 자료집
2021 .12
-
ring Generalization and Adaptability of Offline Reinforcement Learning for Robot Manipulation
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
제어장벽함수와 심층강화학습을 결합한 안전강화학습 제어기 연구
제어로봇시스템학회 논문지
2022 .11
-
Mixed Reinforcement Learning for Efficient Policy Optimization in Stochastic Environments
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
Learning-based Predictive Control for Vehicle Following Problems
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
Reinforcement Learning based Flight Path Planning of a Solar Powered UAV
제어로봇시스템학회 각 지부별 자료집
2021 .12
-
Soft robotic films and their control based on reinforcement learning
한국생산제조학회 학술발표대회 논문집
2024 .07
-
Tsallis Actor Critic에 D2RL 적용을 통한 D2RL의 강건성 검증
한국정보과학회 학술발표논문집
2022 .12
-
Towards Training an Agent in Augmented Reality World with Reinforcement Learning
제어로봇시스템학회 국제학술대회 논문집
2017 .10
-
Geduld-Spiele Cube 문제 해결을 위한 메타-강화학습 방법론
한국지능시스템학회 논문지
2024 .10
-
변분 추론의 증거 하한을 사용한 강화학습
제어로봇시스템학회 논문지
2022 .11
-
EV Wireless Power Transfer Core Design for High Magnetic Coupling designed by Reinforcement Learning
ICPE(ISPE)논문집
2023 .05
-
RL-GPT: Reinforcement Learning-based Generative Pre-trained Transformer for Inverse Design of Metal-organic Frameworks
대한기계학회 춘추학술대회
2023 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
가우시안 프로세스 모델을 이용한 건물 에너지 사용량 진단
김재민
,
이동혁
,
신한솔
외 1명
대한건축학회 학술발표대회 논문집
2018
.10
습식 및 건식 식각을 이용한 결정질 실리콘 웨이퍼의 2 step 텍스쳐링 공정 최적화
배은지
,
박정은
,
최원석
외 2명
한국태양에너지학회 학술대회논문집
2020
.10
가우시안 프로세스 회귀를 이용한 비선형 시스템 파라미터 식별
이상헌
,
손흥선
대한기계학회 춘추학술대회
2020
.12
하이브리드 모델링 기법과 베이지안 최적화를 통한 엔진 마운트 응답개선
강성호
,
양성수
,
김성준
외 2명
한국소음진동공학회논문집
2020
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-003-000945184