Search

Show simple item record

dc.contributorБрестский государственный технический университетru_RU
dc.contributorBrest State Technical Universityru_RU
dc.contributor.authorДемин, Владимир Владимирович
dc.contributor.authorКабыш, Антон Сергеевич
dc.contributor.authorГоловко, Владимир Адамович
dc.contributor.authorStetter, R.
dc.coverage.spatialБрестru_RU
dc.date.accessioned2019-08-27T10:33:14Z
dc.date.available2019-08-27T10:33:14Z
dc.date.issued2013
dc.identifier.citationАлгоритмы подкрепляющего обучения для энергоэффективного управления многоколесными производственными роботами / В. В. Демин [и др.] // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2013. – №5. – С. 67–71.ru_RU
dc.identifier.urihttps://rep.bstu.by/handle/data/998
dc.descriptionDyomin V.V., Kabysh A.S., Golovko Vladimir Adamovich, Stetter R. Supporting learning algorithms for energy-efficient control of multi-wheeled production robotsru_RU
dc.description.abstractРассматривается система эффективного управления мобильным роботом с множеством движущих модулей, которые управляются независимо. В основе системы управления лежат алгоритмы обучения с подкреплением для поиска оптимальных политик управления каждого модуля. В рамках предлагаемого подхода модули рассматриваются как много агентная система, в которой координация поведений агентов осуществляется виртуальным лидером. Предложена модифицированная модель обучения с подкреплением для адаптивной координации индивидуальных стратегий. Модифицированный Q-learning алгоритм проводит обучение агентов эффективному управлению каждым колесом, в контексте группы, что позволяет агентам подстраиваться друг под друга. Разработанная система управления позволяет стабильно управлять роботом со сложной кинематической схемой и переменным количеством модулей. Эксперименты с разработанной системой были поставлены на реальном производственном роботе университета Равенсбург-Вайнгартен. Успешность моделирования и экспериментальной части показывает применимость подхода для реальных систем.ru_RU
dc.language.isoruru_RU
dc.publisherБрГТУru_RU
dc.relation.ispartofseriesФизика, математика, информатика;
dc.subjectинформационные технологииru_RU
dc.subjectinformation technologyru_RU
dc.subjectartificial intelligenceru_RU
dc.subjectискусственный интеллектru_RU
dc.titleАлгоритмы подкрепляющего обучения для энергоэффективного управления многоколесными производственными роботамиru_RU
dc.typeСтатья (Article)ru_RU
dc.identifier.udc004.853ru_RU
dc.abstract.alternativeThis paper presents an application of the multi-agent reinforcement learning approach for the efficient control of a real production mobile robot. This approach is based on a multi-agent decomposition applied to multi-wheel control. System efficiency achieved through proper compilation of the value function. Experiments shows that developed system provide stable robust control for complex kinematics.ru_RU


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record