文献

J-GLOBAL ID：201702237960093152   整理番号：17A1271548

初期化の不要な誘導政策探索:確率的初期状態を用いた効率的な深部強化学習【Powered by NICT】

Reset-free guided policy search: Efficient deep reinforcement learning with stochastic initial states

著者 (5件)： Montgomery William (Department of Computer Science and Engineering, University of Washington, Seattle, WA 98195) ,  Ajay Anurag (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, Berkeley, CA 94709) ,  Finn Chelsea (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, Berkeley, CA 94709) ,  Abbeel Pieter (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, Berkeley, CA 94709) ,  Levine Sergey (Department of Electrical Engineering and Computer Sciences, University of California, Berkeley, Berkeley, CA 94709)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3373-3380  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロボットスキルの自律学習は広範なマニュアル工学なしに,広い行動レパートリーを学習するために,汎用ロボットを可能にする。ロボットスキル学習は,典型的には,実用的な実世界学習,手作業で設計した政策や価値関数表現を必要とし,人間の実演,訓練環境の計装,または非常に長い訓練時間から初期化などを可能にするトレードオフしなければならない。最小人間工学を用いた汎用ニューラルネットワーク政策を訓練できる新しい強化学習アルゴリズムを提案し,確率的環境における高速で効率的な学習を可能にする。誘導ポリシー探索(GPS)アルゴリズム,計算教師(人間の実演なし)から強化学習問題を変換する教師つき学習に構築した。GPS法,システムは,各エピソード後,リセットしなければならない初期状態の首尾一貫したセットを必要とすることを前とは対照的に,提案アプローチでは,ランダムな初期状態を扱うことができ,決定論的リセットが不可能な場合でも使用することを可能にした。シミュレーションにおける既存の政策探索アルゴリズム,前GPS法と同じ試料効率を持つ高次元ニューラルネットワーク政策を訓練できることを示し提案手法を比較し,画像ピクセルから直接政策を学ぶことができる。も著者らの方法は,視覚的特徴とランダムな初期状態を持つ操作政策を学習できることを示す実世界ロボット結果を提示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  画素 ,  アルゴリズム ,  *学習 ,  学習アルゴリズム ,  教師つき学習 ,  評価関数 ,  高次元 ,  ロボット ,  人間工学 ,  *強化学習 ,  GPS
準シソーラス用語： GPS【位置決め】 ,  探索アルゴリズム ,  スキル学習 ,  *初期状態 , 【Automatic Indexing@JST】

分類 (5件)： 移動通信  (ND08030H) ,  環境問題  (SA01020V) ,  人工知能  (JE08000Z) ,  筋骨格系・皮膚モデル  (EL02040R) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 初期化 ,  誘導 ,  政策 ,  探索 ,  確率 ,  初期状態 ,  深部 ,  強化学習