Ενισχυτική μάθηση ρομποτικού ελέγχου μέσω πιθανοτικού συμπερασμούΕνισχυτική μάθηση ρομποτικού ελέγχου μέσω πιθανοτικού συμπερασμού Πλήρης Δημοσίευση σε Συνέδριο Conference Full Paper 2015-11-132009elΠαρουσιάζουμε μία νέα προσέγγιση στο πρόβλημα της αυτόματης μάθησης ρομποτικού ελέγ- χου με Ενισχυτική Μάθηση (Reinforcement Learning, RL). Πρόσφατες εργασίες στη βιβλιο- γραφία έχουν δείξει ότι ένα πρόβλημα Βέλτιστου Ελέγχου Διακριτού Χρόνου (Discrete Time Optimal Control) μπορεί να αναχθεί σε ένα πρόβλημα Πιθανοτικού Συμπερασμού (Probabilistic Inference) και να λυθεί με αντίστοιχες τεχνικές. Στην παρούσα εργασία δείχνουμε ότι μια τέτοια αναγωγή είναι επίσης δυνατή στην περίπτωση που το δυναμικό μοντέλου του συστήματος είναι άγνωστο, οπότε η μάθηση του ρομποτικού ελέγχου θα πρέπει να γίνει με μεθοδολογίες δοκιμής- και-σφάλματος (trial-and-error). Η ανάλυση που προτείνουμε οδηγεί σε ένα Monte-Carlo αλ- γόριθμο Προσδοκίας-Μεγιστοποίησης (Expectation-Maximization, EM) σε ένα μοντέλο μικτής κατανομής πιθανότητας (probabilistic mixture model). Παραθέτουμε αποτελέσματα από την ε- φαρμογή του προτεινόμενου αλγορίθμου σε ένα πρόβλημα ισορροπίας κινούμενου ρομπότ.http://creativecommons.org/licenses/by/4.0/1ο Πανελλήνιο Συνέδριο ΡομποτικήςVlassis_et_al_1o PanSinRobotikis_2009.pdfChania [Greece]Library of TUC2016-05-18application/pdf671.3 kBfree Vlassis Nikolaos Βλασσης Νικολαος Kontes Georgios Κοντες Γεωργιος Piperidis Savvas Πιπεριδης Σαββας Industrial robots robots industrial industrial robots