強化学習を用いたロボットの知能化
近年,人工知能・機械学習技術の発展もあり,これらの知能化技術をロボットの環境適応能力や自律性の付与の手段として用いることが期待されています.しかし,強化学習を含む機械学習は,一般的に多くの学習時間を必要とする根本的な問題を抱えています.従って,学習時間を短縮することが,実時間で学習する実ロボットにとって,特に解決すべき重要な課題です.私達は,遺伝的アルゴリズムの概念で説明した学習高速化手法を開発し,より高度なロボットの知能化の実現を目指しています.
システム開発や建設業などのプロジェクトにおいて,スケジュール作成時点では,わからない不確定な事象によってスケジュールの変更を余儀なくされることがある.さらに,昨今の社会では即応性が求められるため,十分に吟味されないままスケジュールを作成し後で変更することもあります.本研究は,それらのスケジュール立案後の変更を考慮したスケジューリングモデルのための基本的な考え方,分類,数理モデルを提案します.本モデルによりスケジュールの変更をふまえた新しいスケジュールを作成すること,新しい解法を提案することが可能になります.
論文
「Modeling of Reactive Scheduling Considering Schedule Change Cost」(2019)『SICE Annual Conference 2019』p.621-622.
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム