[1Q4-GS-11] ロボットと実世界: 機械学習

[1Q4-GS-11-01] 商品整列タスクにおける複数のResidual Reinforcement Learningモデルの選択

〇嘉藤 佑亮^1,2、中村 友昭³、長井 隆行^3,4、山野辺 夏樹¹、永田 和之¹、小澤 順^1,2 (1. 国立研究開発法人産業技術総合研究所、2. パナソニック株式会社、3. 電気通信大学、4. 大阪大学)

キーワード：人工知能、ロボティクス、強化学習

本研究では人が行う巧みな動作をロボットに学習させ，小売店舗における商品整列動作を行う．人は初期環境が異なれば同じタスクであっても異なる戦略を使うことでより最適な動作を行うことができる．そこで我々はロボットが初期状態に応じた戦略を自律的に選択できるシステムを提案し，シミュレーション上の強化学習によって獲得した複数の整列動作モデルとそれらを使い分けるための判別器を作成した．このシステムを使用して整列タスクを実施した結果，1つの動作モデルのみを使用した場合よりも精度の高い整列を実現した．また，シミュレーション上で学習した動作モデルを使用し，実環境においても整列動作が可能であることを確認した．