Robocup is a popular test bed for A

Robocup is a popular test bed for AI programs around the world. Robosoccer is one of the two major parts of Robocup, in which AIBO entertainment robots take part in the middle sized soccer event. The three key challenges that robots need to face in this event are manoeuvrability, image recognition and decision making skills. This paper focuses on the decision making problem in Robosoccer -- The goal keeper problem. We investigate whether reinforcement learning (RL) as a form of semi-supervised learning can effectively contribute to the goal keeper's decision making process when penalty shot and two attacker problem are considered. Currently, the decision making process in Robosoccer is carried out using rule-base system. RL also is used for quadruped locomotion and navigation purpose in Robosoccer using AIBO. In this paper, we propose a reinforcement learning based approach that uses a dynamic state-action mapping using back propagation of reward and space quantized Q-learning (SQQL) for the choice of high level functions in order to save the goal. The novelty of our approach is that the agent learns while playing and can take independent decision which overcomes the limitations of rule-base system due to fixed and limited predefined decision rules. Performance of the proposed method has been verified against the bench mark data set made with Upenn'03 code logic. It was found that the efficiency of our SQQL approach in goalkeeping was better than the rule based approach. The SQQL develops a semi-supervised learning process over the rule-base system's input-output mapping process, given in the Upenn'03 code.

ผลลัพธ์ (ไทย) 1:

Robocup เป็นเตียงทดสอบยอดนิยมสำหรับโปรแกรม AI ทั่วโลก Robosoccer เป็นหนึ่งในสองส่วนสำคัญของ Robocup ซึ่งหุ่นยนต์บันเทิงวันอาทิตย์มีส่วนร่วมในเหตุการณ์ฟุตบอลขนาดกลาง ความท้าทายสำคัญสามหุ่นยนต์ที่ต้องเผชิญในเหตุการณ์นี้คือ manoeuvrability จดจำภาพ และตัดสินใจทำทักษะ เอกสารนี้เน้นปัญหาการตัดสินใจใน Robosoccer - ปัญหาผู้รักษาเป้าหมาย เราตรวจสอบว่า เสริมการเรียนรู้ (RL) เป็นรูปแบบการเรียนรู้กึ่งมีสามารถได้อย่างมีประสิทธิภาพนำไปสู่การตัดสินใจของผู้รักษาเป้าหมายการดำเนินการเมื่อโทษยิงและผู้โจมตีสองปัญหาถือ ในปัจจุบัน การตัดสินใจดำเนินการใน Robosoccer จะดำเนินการใช้ระบบฐานกฎ RL ยังใช้ประสงค์ quadruped locomotion และนำทางใน Robosoccer ใช้วันอาทิตย์นี้ ในเอกสารนี้ เราเสนอวิธีเรียนรู้ที่ใช้เหล็กเสริมที่ใช้การแม็ปสถานะการดำเนินการแบบไดนามิกที่ใช้เผยแพร่หลังการสะสม และพื้นที่ quantized Q- (SQQL) การเรียนรู้ในหลากหลายฟังก์ชันระดับสูงเพื่อบันทึกเป้าหมาย นวัตกรรมของวิธีการของเราคือ ตัวแทนเรียนรู้ขณะเล่น และจะตัดสินใจด้วยตนเองที่ overcomes ข้อจำกัดของระบบฐานกฎเนื่องจากกฎการคงที่ และจำกัดการตัดสินใจล่วงหน้า ประสิทธิภาพของวิธีการนำเสนอได้รับการตรวจสอบกับข้อมูลชุดหมายม้านั่งทำ ด้วยตรรกะรหัส Upenn'03 พบว่า ประสิทธิภาพของวิธีการ SQQL ของเราใน goalkeeping ได้ดีกว่าวิธีใช้กฎ SQQL การพัฒนากระบวนการเรียนรู้กึ่งมีมากกว่ากระบวนการแม็ปอินพุต-เอาท์พุตของระบบฐานกฎ กำหนดรหัส Upenn'03

ผลลัพธ์ (ไทย) 2:

Robocup เป็นเตียงที่เป็นที่นิยมสำหรับการทดสอบโปรแกรม AI ทั่วโลก Robosoccer เป็นหนึ่งในสองส่วนที่สำคัญของ Robocup ซึ่งใน AIBO หุ่นยนต์บันเทิงมีส่วนร่วมในการแข่งขันฟุตบอลขนาดกลาง สามความท้าทายที่สำคัญหุ่นยนต์ที่ต้องเผชิญในการจัดงานครั้งนี้มีความคล่องแคล่ว, การรับรู้ภาพและทักษะการตัดสินใจ บทความนี้มุ่งเน้นไปที่การตัดสินใจปัญหาในการทำ Robosoccer - ปัญหาผู้รักษาเป้าหมาย เราจะตรวจสอบว่าการเรียนรู้การเสริมแรง (RL) เป็นรูปแบบของการเรียนรู้กึ่งภายใต้การดูแลอย่างมีประสิทธิภาพสามารถนำไปสู่​​การตัดสินใจรักษาประตูของกระบวนการเมื่อยิงจุดโทษและสองปัญหาโจมตีได้รับการพิจารณา ขณะนี้กระบวนการการตัดสินใจใน Robosoccer จะดำเนินการใช้ระบบการปกครองของฐาน RL ยังใช้สำหรับการเคลื่อนไหวเท้าและวัตถุประสงค์ในการนำทาง Robosoccer ใช้ AIBO ในบทความนี้เรานำเสนอการเรียนรู้วิธีการที่เสริมแรงตามใช้ทำแผนที่รัฐกระทำแบบไดนามิกที่ใช้หลังการขยายพันธุ์ของรางวัลและพื้นที่ไท Q-learning (SQQL) สำหรับการเลือกฟังก์ชั่นในระดับสูงเพื่อที่จะบันทึกเป้าหมาย ความแปลกใหม่ของวิธีการของเราคือการที่ตัวแทนได้เรียนรู้ในขณะที่เล่นและสามารถใช้เวลาตัดสินใจโดยอิสระซึ่งเอาชนะข้อ จำกัด ของระบบการปกครองฐานเนื่องจากการคงที่และกฎระเบียบที่ จำกัด การตัดสินใจที่กำหนดไว้ล่วงหน้า ผลการดำเนินงานของวิธีการที่นำเสนอได้รับการยืนยันข้อมูลกับเครื่องหมายชุดม้านั่งที่ทำกับตรรกะรหัส Upenn'03 มันก็พบว่าประสิทธิภาพของวิธีการของเราใน SQQL เป็นผู้รักษาประตูที่ดีกว่าวิธีการปกครองตาม SQQL พัฒนากระบวนการเรียนรู้กึ่งภายใต้การดูแลกว่ากฎของระบบฐานนำเข้าส่งออกการทำแผนที่กระบวนการที่กำหนดในรหัส Upenn'03

ผลลัพธ์ (ไทย) 3:

โรโบคัพเป็นที่นิยมทดสอบเตียงสำหรับ AI โปรแกรมทั่วโลก มีเป็นหนึ่งในส่วนหลักของ Robocup ซึ่งใน Aibo หุ่นยนต์ความบันเทิงมีส่วนร่วมในระดับกลาง ฟุตบอลเหตุการณ์ หลักสามความท้าทายที่หุ่นยนต์ต้องเผชิญในเหตุการณ์นี้เป็นกลยุทธ์การรับรู้ภาพและทักษะในการตัดสินใจกระดาษนี้จะเน้นที่การตัดสินใจในปัญหา -- ผู้รักษาประตูมีปัญหา เราตรวจสอบว่า เสริมการเรียนรู้ ( RL ) เป็นรูปแบบของกึ่งการเรียนรู้แบบมีผู้สอนได้อย่างมีประสิทธิภาพสามารถสนับสนุนเป้าหมายผู้รักษาประตูของกระบวนการตัดสินใจ เมื่อยิงลูกโทษปัญหาและโจมตี 2 เป็นสำคัญ ในปัจจุบันการตัดสินใจในมี โดยใช้ระบบฐานกฎ RL ยังใช้กำหมัดการเคลื่อนไหวและจุดประสงค์นำทางในมีการใช้ Aibo . ในกระดาษนี้เราขอเสริมการเรียนรู้ตามแนวทางที่ใช้เป็นแบบไดนามิก การกระทำใช้หลังการทำแผนการให้รางวัลและพื้นที่ที่แน่นอน q-learning ( sqql ) สำหรับทางเลือกของฟังก์ชันระดับสูงในการบันทึกเป้าหมายความแปลกใหม่ของวิธีการของเราคือ ว่า ตัวแทนเรียนรู้ในขณะที่เล่น และสามารถใช้อิสระในการตัดสินใจ ซึ่งเอาชนะข้อจำกัดของฐานกฎระบบเนื่องจากคงที่และ จำกัด กฎการตัดสินใจกำหนด สมรรถนะของวิธีที่เสนอมีการตรวจสอบกับข้อมูลชุด upenn Bench Mark ให้กับ '03 รหัสตรรกะพบว่าประสิทธิภาพของวิธีการ sqql ของเราในผู้รักษาประตูดีกว่า กฎตามแนวทาง การ sqql พัฒนากึ่งมีกระบวนการเรียนรู้ผ่านกฎพื้นฐานของปัจจัยการผลิตและผลผลิตระบบการทำแผนที่ให้ใน upenn '03 รหัส