強化学習による三次元モデルでのRCヘリコプタの制御

抄録

本稿では，強化学習をRCヘリコプタの制御に適用した．強化学習はActor-criticアルゴリズムを用いる．学習エージェントは，RBFニューラルネットにより実現されたActorとCriticによって構成される．３次元モデルではヘリコプタの制御に４つの制御信号が必要であり，それぞれの学習に一つの学習エージェントが割り当てられる．３次元モデルでの計算機実験の結果，目標高度に安定して留まる制御規則の学習は観られたが，ホバリング制御規則の獲得には至らなかった．