-
texplore: real-time sample-efficient reinforcement learning for robots
جزئیات بیشتر مقاله- تاریخ ارائه: 1392/07/24
- تاریخ انتشار در تی پی بین: 1392/07/24
- تعداد بازدید: 1134
- تعداد پرسش و پاسخ ها: 0
- شماره تماس دبیرخانه رویداد: -
the use of robots in society could be expanded by using reinforcement learning (rl) to allow robots to learn and adapt to new situations online. rl is a paradigm for learning sequential decision making tasks, usually formulated as a markov decision process (mdp). for an rl algorithm to be practical for robotic control tasks, it must learn in very few samples, while continually taking actions in real-time. in addition, the algorithm must learn efficiently in the face of noise, sensor/actuator delays, and continuous state features. in this article, we present texplore, the first algorithm to address all of these challenges together. texplore is a model-based rl method that learns a random forest model of the domain which generalizes dynamics to unseen states. the agent explores states that are promising for the final policy, while ignoring states that do not appear promising. with sample-based planning and a novel parallel architecture, texplore can select actions continually in real-time whenever necessary. we empirically evaluate the importance of each component of texplore in isolation and then demonstrate the complete algorithm learning to control the velocity of an autonomous vehicle in real-time.
مقالات جدیدترین رویدادها
-
استفاده از تحلیل اهمیت-عملکرد در ارائه الگوی مدیریت خلاقیت سازمانی و ارائه راهکار جهت بهبود
-
بررسی تاثیر ارزش وجوه نقد مازاد بر ساختار سرمایه شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر سطح افشای ریسک بر قرارداد بدهی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
-
بررسی تأثیر رتبه بندی اعتباری مبتنی بر مدل امتیاز بازار نوظهور بر نقد شوندگی سهام با تأکید بر خصوصی سازی شرکت ها
-
تأثیر آمیخته بازاریابی پوشاک ایرانی بر تصویر ذهنی مشتری پوشاک ایرانی (هاکوپیان)
-
تحلیل وطراحی ناوگان ماشین آلات عملیات خاکی بوسیله تابع چند منظوره، الگوریتم ژنتیک
-
جریان های بزرگ در تاریخ اندیشه غربی
-
شبیه سازی و ارزیابی میزان پایداری انرژی جداره های خارجی صنعت ساختمان
-
نانو خشک کن پاششی : ویژگی ها، مراحل فرآیند و مقایسه با خشک کن پاششی مرسوم
-
limitation between linear and nonlinear models for surge motion of tlp
مقالات جدیدترین ژورنال ها
-
مدیریت و بررسی افسردگی دانش آموزان دختر مقطع متوسطه دوم در دروان کرونا در شهرستان دزفول
-
مدیریت و بررسی خرد سیاسی در اندیشه ی فردوسی در ادب ایران
-
واکاوی و مدیریت توصیفی قلمدان(جاکلیدی)ضریح در موزه آستان قدس رضوی
-
بررسی تاثیر خلاقیت، دانش و انگیزه کارکنان بر پیشنهادات نوآورانه کارکنان ( مورد مطالعه: هتل های 3 و 4 ستاره استان کرمان)
-
بررسی تاثیر کیفیت سیستم های اطلاعاتی بر تصمیم گیری موفق در شرکتهای تولیدی استان اصفهان (مورد مطالعه: مدیران شرکتهای تولیدی استان اصفهان)
-
بررسی علل نارضایتی شهروندان از شهرداری ها مورد مطالعه شهرداری اسکو
-
جایگاه حقوقی دکترین دولت ها در تفسیر معاهدات بین المللی
-
آسیب شناسی برنامه های ماهواره ای بر بنیان خانواده از منظر فقه و حقوق
-
بررسی حجت خدا بودن حضرت زهرا (س)
-
a modern method to improve of detecting and categorizing mechanism for micro seismic events data using boost learning system
سوال خود را در مورد این مقاله مطرح نمایید :