| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
8ページ |
■発行日
|
2024/06/01 |
| ■タイトル |
深層強化学習を利用した油圧ショベルの積込み動作向けモデル予測制御のパラメータ調整 |
| ■タイトル(英語) |
Tuning of Model Predictive Control for Loading Motion of Automated Excavator Using Deep Reinforcement Learning |
| ■著者名 |
石原 新士（（株）日立製作所 研究開発グループ），大塚 敏之（京都大学 大学院情報学研究科 情報学専攻） |
| ■著者名(英語) |
Shinji Ishihara (Hitachi Ltd.,Research & Development Group), Toshiyuki Ohtsuka (Kyoto University, Graduate School of Informatics, Department of Informatics) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.144 No.6 （2024）
|
| ■本誌掲載ページ |
552-559ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/144/6/144_552/_article/-char/ja/
|
| ■キーワード |
モデル予測制御，深層強化学習，パラメータ調整，自動化油圧ショベル model predictive control，deep reinforcement learning，parameter tuning，automated excavator |
| ■要約(日本語) |
|
| ■要約(英語) |
This study deals with the control problems for automating the operation of an excavator loading soil onto the back of a dump truck. In the loading operation, the bucket should not touch the dump truck and should spill as little soil in the bucket as possible. We have been studying how to apply Model Predictive Control (MPC) to this problem to achieve ideal loading operation. When trying to achieve the desired operation using MPC, it is extremely important to tune the weights of the objective function appropriately. However, since this control problem may depend on the situations, that is, initial posture of the excavator and the position of the truck, optimization for specific conditions would not be desirable. Therefore, we constructed a method to generate suitable weight parameters according to the loading situation using reinforcement learning. The effectiveness of the proposed method was verified by numerical simulations. |
| ■版 型 |
A4 |
|
|
|
