文献

J-GLOBAL ID：201702227733445097   整理番号：17A1913667

報酬重み付き密度推定による階層強化学習

Hierarchical Reinforcement Learning Based on Return-Weighted Density Estimation

著者 (4件)： 長隆之 (東大) ,  杉山将 (東大) ,  長隆之 (理研 革新知能統合研究セ) ,  杉山将 (理研 革新知能統合研究セ)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 293(IBISML2017 35-89)  ページ： 243-249  発行年： 2017年11月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 複数のモードを持つ報酬関数に対して最適な方策を学習するための階層強化学習の手法を提案する。階層強化学習においては,複数の下層方策を学習し,与えられた条件に応じて適切な下層方策を選択する上層方策を学習することが必要になる。提案手法では,報酬重み付き密度推定を介して下層方策の数および配置を自動的に決定する。本研究では,軌道計画などのタスクに提案する階層強化学習法を適用し,その性能を示す。(著者抄録)

シソーラス用語： 階層構造 ,  *強化学習 ,  *統計的推定 ,  賃金 ,  重みづけ ,  *関数 ,  対策 ,  下層 ,  計画 ,  自動化
準シソーラス用語： *カーネル密度推定 ,  軌道計画 ,  報酬 ,  *報酬関数 ,  方策

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (19件)：

• Cutkosky, M. R., and Howe, R. D. 1990. Human grasp choice and robotic grasp analysis. In Venkataraman, S. T., and Iberall, T., eds., Dextrous Robot Hands. Springer-Verlag New York, Inc. 5-31.
• Osa, T.; Peters, J.; and Neumann, G. 2016. Experiments with hierarchical reinforcement learning of multiple grasping policies. In Proceedings of the International Symposium on Experimental Robotics (ISER).
• Daniel, C.; Neumann, G.; Kroerner, O.; and Peters, J. 2016. Hierarchical relative entropy policy search. Journal of Machine Learning Research 17:1-50.
• Dietterich, T. G. 2000. Hierarchical reinforcement learning with the MAXQ value function decomposition. Journal of Artificial Intelligence Research 13:227-303.
• Bacon, P. L.; Harb, J.; and Precup, D. 2017. The option-critic architecture. In Proceedings of the AAAI Conference on Artificial Intelligence (AAAI).

タイトルに関連する用語 (5件)： 報酬 ,  密度 ,  推定 ,  階層 ,  強化学習