메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
손채준 (한양대학교) 권태수 (한양대학교) 이윤상 (한양대학교)
저널정보
한국컴퓨터그래픽스학회 컴퓨터그래픽스학회논문지 컴퓨터그래픽스학회논문지 제27권 제5호
발행연도
2021.12
수록면
55 - 61 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2021

상태 표현 방식에 따른 심층 강화 학습 기반 캐릭터 제어기의 학습 성능 비교
손채준 ,  권태수 ,  이윤상 컴퓨터그래픽스학회논문지 2021.12 학술저널
상태 표현 방식에 따른 심층 강화 학습 기반 캐릭터 제어기의 학습 성능 비교
손채준 ,  이윤상 한국컴퓨터그래픽스학회 학술대회 2021.07 학술대회자료
상태 표현 방식에 따른 심층 강화 학습 기반 캐릭터 제어기의 학습 성능 비교
손채준 ,  이윤상 한국방송미디어공학회 학술발표대회 논문집 2021.06 학술대회자료

초록· 키워드

오류제보하기
물리 시뮬레이션 기반의 캐릭터 동작 제어 문제를 강화학습을 이용하여 해결해 나가는 연구들이 계속해서 진행되고 있다. 강화학습을 사용하여 문제를 풀기 위해서는 네트워크 구조, 하이퍼파라미터 튜닝, 상태(state), 행동(action), 보상(reward)이 문제에 맞게 적절히 설정이 되어야 한다. 많은 연구들에서 다양한 조합으로 상태, 행동, 보상을 정의하였고, 성공적으로 문제에 적용하였다. 상태, 행동, 보상을 정의함에 다양한 조합이 있다보니 학습 성능을 향상시키는 최적의 조합을 찾기 위해서 각각의 요소들이 미치는 영향을 분석하는 연구도 진행되고 있다. 우리는 지금까지 이뤄지지 않았던 상태 표현 방식에 따른 강화학습성능에 미치는 영향을 분석하였다. 첫째로, root attached frame, root aligned frame, projected aligned frame 3가지로 좌표계를 정의하였고, 이에 대해 표현된 상태를 이용하여 강화학습에 미치는 영향을 분석하였다. 둘째로, 상태를 정의 할 때, 관절의 위치, 각도로 다양하게 조합하는 경우에 학습성능에 어떠한 영향을 미치는지 분석하였다.
#상태 표현 #참조 동작 추적 #물리 시뮬레이션 #심층강화학습 #state representation #reference motion tracking #physics simulation #Deep reinforcement learning

목차

요약
Abstract
1. 서론
2. 관련연구
3. 방법
4. 결과
5. 결론
References

참고문헌 (13)

참고문헌 신청
Xue Bin Peng / 2018 / DeepMimic / ACM Transactions on Graphics 37(4):1~14 Crossref Jungdam Won / 2019 / Learning body shape variation in physics-based characters / ACM Transactions on Graphics 38(6):1~12 Crossref X. B. Peng / 2017 / Learning locomotion skills using deeprl / Proceedings of the ACM SIGGRAPH / Eurographics Symposium on Computer Animation google schola D. Reda / 2020 / Learning to locomote: Understanding how environment design matters for deep reinforcement learning / Motion, Interaction and Games google schola Kevin Bergamin / 2019 / DReCon / ACM Transactions on Graphics 38(6):1~11 Crossref

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

가상 환경에서의 강화학습 기반 긴급 회피 조향 제어
이훈기 ,  김태윤 ,  김효빈 외 1명 드라이브·컨트롤 2022 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-004-000114554