- 著者
- 神嶌 敏弘 齋藤 優太 田中 一敏
- 出版者
- 一般社団法人 人工知能学会
- 雑誌
- 人工知能 (ISSN:21882266)
- 巻号頁・発行日
- vol.38, no.1, pp.85-88, 2023-01-01 (Released:2023-01-01)
3 0 0 0 工場現場の組立応用に向けたソフトロボット運動学習
- 著者
- 濵屋 政志 田中 一敏 フェリクス フォン ドリガルスキ 井尻 善久
- 出版者
- 一般社団法人 日本ロボット学会
- 雑誌
- 日本ロボット学会誌 (ISSN:02891824)
- 巻号頁・発行日
- vol.39, no.7, pp.609-612, 2021 (Released:2021-09-02)
- 参考文献数
- 18
1 0 0 0 OA 明示・暗示ダイナミクス変数を用いた多様な環境下での動作学習
- 著者
- 室岡 貴之 濱屋 政志 フェリックス フォン ドリガルスキ 田中 一敏 井尻 善久
- 出版者
- 一般社団法人 日本ロボット学会
- 雑誌
- 日本ロボット学会誌 (ISSN:02891824)
- 巻号頁・発行日
- vol.39, no.2, pp.177-180, 2021 (Released:2021-03-24)
- 参考文献数
- 10
The recent growth of robotic manipulation has resulted in the realization of increasingly complicated tasks, and various kinds of learning-based approaches for planning or control have been proposed. However, learning-based approaches which can be applied to multiple environments are still an active topic of research. In this study, we aim to realize tasks in a wide range of environments by extending conventional learning-based approaches with parameters which describe various dynamics explicitly and implicitly. We applied our proposed method to two state-of-the-art learning-based approaches: deep reinforcement learning and deep model predictive control, and realized two types of non-prehensile manipulation tasks: a cart pole and object pushing, the dynamics of which are difficult to model.