0331131 - ÚI 2010 RIV KR eng J - Journal Article
Neruda, Roman - Slušný, Stanislav
Performance Comparison of Two Reinforcement Learning Algorithms for Small Mobile Robots.
[Srovnání efektivity dvou algoritmů posilovaného učení pro malé mobilní roboty.]
International Journal of Control and Automation. Roč. 2, č. 1 (2009), s. 59-68. ISSN 2005-4297
R&D Projects: GA MŠMT(CZ) 1M0567
Grant - others:GA UK(CZ) 7637/2007
Institutional research plan: CEZ:AV0Z10300504
Keywords : reinforcement learning * mobile robots * inteligent agents
Subject RIV: IN - Informatics, Computer Science
Result website:
http://www.sersc.org/journals/IJCA/vol2_no1/7.pdf

The design of intelligent agents by means of reinforcement learning is studied in this paper. A relational reinforcement learning algorithm is used to achieve a compact knowledge representation. Moreover, this approach allows to improve the learning performance by augmenting the algorithm with the so-called background knowledge. A case study on simulated physical robotic agents is performed and compared with our previous evolutionary robotics experiments in order to justify our approach.

V tomto článku studujeme návrh inteligentních agentů pomocí posilovaného učení. Používáme relační posilované učení, díky čemuž dosahujeme kompaktní reprezentace znalostí. Tento algoritmus také umožňuje zlepšit efektivitu učení tím, že ho doplníme o tzv. implicitní znalosti. Příkladová studie na fyzických robotických agentech a porovnání s našimi předchozími experimenty z evoluční robotiky potvrzují náš přístup.
Permanent Link: http://hdl.handle.net/11104/0176741