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
- 학술대회자료
- 저자정보
- 발행연도
- 2011.4
- 수록면
- 67 - 70 (4page)
이용수
초록· 키워드
오류제보하기
강화학습(reinforcement leaning)은 최근에 이루어진 비약적인 이론적 발전에 힘입어 계산 지능(computational intelligence) 분야의 핵심적인 주제의 하나로 자리 잡아 가고 있다. 현재 강화학습 기법은 가치함수(value function)를 기반으로 하는 방법, 액터-크리틱(actor-critic) 기법, 그리고 정책(policy)의 파라메터를 직접 탐색하는 기법 등의 방향으로 계속적인 발전을 이루어 가고 있으며, 특히 최신 강화학습 기법들은 각종 공학 문제에 우수한 성능을 보이며 적용되는 경향을 보여주고 있다. 본 논문에서는 최신 강화학습 기법들 중 공학적 활용성이 뛰어난 것으로 판단되는 e-NAC(episodic natural actor-critic) 알고리즘을 간단히 소개하고 이를 적절히 수정한 후 이동로봇의 경로추종제어문제(path following control task)에 적용하는 문제를 고려한다. 시뮬레이션 결과는 본 논문에서 고려한 수정된 e-NAC 알고리즘이 이동로봇제어문제에서 고전적인 PD 제어기에 비해 개선된 성능을 제공함을 보여준다.
목차
요약
1. 서론
2. 액터-크리틱 전략과 NAC 기법
3. 이동로봇의 경로추종 제어 문제를 이용한 성능평가
4. 결론 및 향후 연구 과제
참고문헌
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2012-028-004252836