인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
- 2024.12
- 수록면
- 2,341 - 2,349 (9page)
- DOI
- 10.5370/KIEE.2024.73.12.2341
이용수
초록· 키워드
This paper proposes a two-joint arm model using reinforcement learning in an air hockey simulation environment. Reinforcement learning, a method where an agent interacts with the environment to learn optimal behavior strategies, is applied to a physics-based air hockey simulation in this study. Air hockey is a game with simple rules where the puck must be directed into the opponent's goal area. Unlike conventional simple control algorithms, this study aims to implement diverse actions and varied racket trajectories through reinforcement learning. The focus of this paper is on the implementation and performance evaluation of a two-joint arm model that primarily learns a defensive play style. The two-joint arm model is assessed for its ability to respond to various situations and its basic control performance. Through this evaluation, the study aims to verify the fundamental potential of reinforcement learning-based agents and suggest future research directions.
#Reinforcement learning
#Deep Learning
#Physics-based Simulation and Control
#Proximal policy optimization
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- 1. 서론
- 2. 강화학습을 활용한 물리 시뮬레이션 학습
- 3. 에어하키 플레이 동작 학습 모델
- 4. 에어하키 플레이 동작 학습 실험
- 5. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-151-25-02-092320458
