심층강화학습을 이용한 테트리스 로봇

박관우; 김정수

doi:10.5302/J.ICROS.2022.22.0140

추천

검색

질문

자료유형: 학술저널

저자정보: 박관우 (서울과학기술대학교) 김정수 (서울과학기술대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제28권 제12호

발행연도: 2022.12

수록면: 1,155 - 1,160 (6page)

DOI: 10.5302/J.ICROS.2022.22.0140

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In this paper, we develop an artificial intelligence Tetris robot that plays the Tetris game autonomously. The Tetris robot consists of a game agent that learns how to play the Tetris game using reinforcement learning, and hardware that plays the actual game. To develop a game agent using deep reinforcement learning, the Markov decision process was defined and a policy-based deep reinforcement learning was applied. In this paper, the Tetris game agent was trained by applying the PPO (Proximal Policy Optimization) algorithm. In particular, the multi-agent learning method was employed for the PPO learning. For learning, the PPO-based game agent took the game screen as an input and applied the action to the game through software to play the Tetris game 500,000 times. In order for the robot to play the actual game, the neural network corresponding to the learned game agent was stored in Jetson Xavier and the motor and camera were used. In other words, the standalone Tetris robot, separate from the computer where the Tetris game is running, consists of a Jetson Xaiver, one camera, one Arduino MEGA, three servo motors, and three fingers. To evaluate the performance of the robot, the value function of the game agent was presented, and the performance of the actual robot was verified through demonstration.

#Deep Reinforcement Learning #PPO (Proximal Policy Optimization) #Tetris #Multi-agent learning

참고문헌 (19)

참고문헌 신청

M. Lanctot, V. Zambaldi, A. Gruslys, A. Lazaridou, K. Tuyls, J. Perolat, D. Silver, and T. Graepel, “A unified game-theoretic approach to multiagent reinforcement learning,” Advances in Neural Information Processing Systems, vol. 30, Dec. 2017.

V. Mnih, K. Kavukcuoglu, D. Silver, A. Rusu, J. Veness, M. Bellemare, A. Graves, M. Riedmiller, A. Fidjeland, G. Ostrovski, S. Petersen, C. Beattie, A. Sadik, I. Antonoglou, H. King, D. Kumaran, D. Wierstra, S. Legg, and D. Hassabis, “Human-level control through deep reinforcement learning,” Nature, vol. 518, no. 7540, pp. 529-533, 2015.

J. Ibarz, J. Tan, C. Finn, M. Kalakrishnan, P. Pastor, and S. Levine, “How to train your robot with deep reinforcement learning: lessons we have learned,” The International Journal of Robotics Research, vol. 40, no. 4-5, pp. 698-721, 2021.

S. G. Park and D. H. Kim, “Autonomous flying of drone based on PPO reinforcement learning algorithm,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 26, no. 11, pp. 955-963, 2020.

K.-W. Park and J.-H. Kim, “Aircraft collision avoidance modeling and optimization using deep reinforcement learning,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 27, no. 9, pp. 652-659, 2021.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박관우

소속기관 경북대학교

주요연구분야 공학 > 전기전자공학 > 제어계측공학

논문수 4 이용수 251

Jung-Su Kim

소속기관 서울과학기술대학교

주요연구분야 공학 > 전기전자공학 > 제어계측공학 TOP 5% 공학 > 전기전자공학 > 정보통신공학

논문수 67 이용수 5,230

이 논문과 함께 이용한 논문

테트리스 환경을 이용한 A2C, DQN 두 강화 학습 알고리즘의 결과 비교 분석

김윤서 , 조수희 , 권령구 외 1명 Proceedings of KIIT Conference 2023 .06

생존성 향상을 위한 기만체 중첩 목적의 함정 최적 침로 기법

이승언 , 송해강 , 장오태 외 2명 제어로봇시스템학회 논문지 2023 .04

축구의 경기 결과 예측을 위한 머신러닝 기법 비교

최형준 한국체육측정평가학회지 2022 .12

멀티 홉 통신을 기반한 화학 사고 대응 실시간 원격 모니터링 시스템

이승철 , 김남호 한국정보통신학회논문지 2022 .11

카메라와 웨어러블 센서를 이용한 운전자 자세측정시스템 개발

이현진 , 최장훈 , 조형진 외 2명 한국자동차공학회논문집 2022 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (19)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)