自律移動ロボットによる未知環境の位相構造獲得と目標物への経路学習

摘要

未知の環境において移動口ボットが環境を把握するとともに目標物を探索し，その地点への経路を学習することは重要なタスクである.環境を探索しながら目標物への経路を学習する手法として強化学習がよく用いられる.しかし未知の環境では適正な状態空間の分割数を予測することは困難であり.細かすぎる分割は計算量が指数関数的に増大してしまう.本論文ではGNGを用いて環境の状態空間モデルを動的に構成すると同時にQ-Learningを用いて目標物への経路の探索と学習を行う手法を提案する.複数の移動ロボットを用たシミュレーションにより探索速度を上げ，提案手法は動的な環境変化にも対応可能であることを示す.