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
김성준 (Changwon National University) 김병욱 (Changwon National University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제12호
발행연도
2021.12
수록면
1,906 - 1,913 (8page)
DOI
10.5370/KIEE.2021.70.12.1906

이용수

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

이 논문의 연구 히스토리 (2)

2021

듀엘링과 병목구조 기반의 심층 강화학습을 이용한 로봇팔 제어 기법
김성준 ,  김병욱 전기학회논문지 2021.12 학술저널
병목 구조를 적용한 심층 강화학습 기반 로봇 팔 학습 및 제어성능 개선 기법
김성준 ,  김병욱 한국정보과학회 학술발표논문집 2021.06 학술대회자료

초록· 키워드

오류제보하기
In this paper, we propose a deep reinforcement learning network using dueling and bottleneck structure to improve the task completion rate and computational efficiency of a robot arm control. The bottleneck structure applied to the neural network reduces the number of parameters and the amount of computation by adding 1 * 1 convolution and 3 * 3 convolution to the output layer. In addition, by applying the dueling structure to the neural network and dividing the function into an advantage function and a value function, it prevents the bad action selection that can occur in existing Q learning and reduces the variance of Q value, thereby improving learning stability and estimation of the agent"s state. As a result of the experiment using the V-REP simulator, the proposed method improves the work completion rate and work efficiency by approximately 10.3% and 1.6%, respectively, while reducing the number of parameters by 35.9% compared to the existing VPG network.
#Deep reinforcement learning #Q-learning #Dueling network #Bottleneck layer #Robot arm control

목차

Abstract
1. 서론
2. 연구 내용
3. 실험 및 결과
4. 결론
References

참고문헌 (18)

참고문헌 신청
Mohammed, M. Q. / 2020 / Review of Deep Reinforcement Learning-Based Object Grasping:Techniques, Open Challenges, and Recommendations / IEEE Access 8:178450~178481 google schola Arulkumaran, M. / 2017 / Deep Reinforcement Learning: A Brief Survey / IEEE Signal Processing Magazine 34(6):26~38 google schola 조영완 / 2020 / 시뮬레이티드 자율주행 자동차의 주행행동 학습을 위한 기반 강화학습 / 전기학회논문지 69(11):1740~1749 google schola Zeng, A. / 2018 / Learning Synergies Between Pushing and Grasping with Self-Supervised Deep Reinforcement Learning / 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) :4238~4245 google schola Sun, Z. / 2020 / Learning Pregrasp Manipulation of Objects from Ungraspable Poses / 2020 IEEE International Conference on Robotics and Automation (ICRA) :9917~9923 google schola

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

Q-Learning을 사용한 로봇팔의 SMCSPO 게인 튜닝
이진혁 ,  김재형 ,  이민철 로봇학회 논문지 2022 .06
듀얼 로봇 팔을 이용한 가공오차 보상
이지훈 ,  이재호 ,  민병권 한국정밀공학회 학술발표대회 논문집 2021 .11
손동작을 이용한 실시간 로봇 팔 제어 임베디드 시스템
김충근 ,  김은수 ,  신재욱 외 1명 한국정보기술학회논문지 2021 .11
원통형 코드 마커와 RGB-D 영상을 이용한 6 자유도 로봇 팔의 관절 각도 추정
김태원 ,  이성욱 ,  김명호 제어로봇시스템학회 국내학술대회 논문집 2021 .06
노약자와 장애인을 위한 휠체어 장착형 로봇팔 설계
윤정길 ,  임동원 제어로봇시스템학회 국내학술대회 논문집 2021 .06

최근 본 자료

전체보기

댓글(0)

0