2015年10月10日に開催された PyConJP2015 で発表したスライドです。 Gazeboによる4足歩行ロボットのシミュレーションを行い、強化学習(Q-Learning)で歩行動作を獲得する試みです。 また、その学習成果を実機のロボットに適用し、4足ロボットを実際に歩かせてみました。
Pythonによる4足歩行ロボットの制御と強化学習による歩行動作獲得の実例 #pyconjp
2015年10月10日に開催された PyConJP2015 で発表したスライドです。 Gazeboによる4足歩行ロボットのシミュレーションを行い、強化学習(Q-Learning)で歩行動作を獲得する試みです。 また、その学習成果を実機のロボットに適用し、4足ロボットを実際に歩かせてみました。
強化学習とは？(What is Reinforcement Learning?)
強化学習の概要，応用上の利点，適用例，基礎理論，代表的手法，応用に必要な技術などの説明。 本ページの記述は下記の解説記事をもとにWEB用に修正したものである： 木村 元，宮崎 和光，小林 重信： 強化学習システムの設計指針， 計測と制御, Vol.38, No.10, pp.618--623 (1999), 計測自動制御学会. 6 pages, postscript file, sice99.ps (1.31MB) PDF file, sice99.pdf (148KB) 第１章： 強化学習の概要 1.1 強化学習 (Reinforcement Learning) とは? 1.2 制御の視点から見た強化学習の特徴 1.3 応用上期待できること 第２章： 強化学習の適用例：ロボットの歩行動作獲得 第３章： 強化学習の基礎理論 3.1 マルコフ決定過程(Markov decision proc
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
