文献

J-GLOBAL ID：201802211002382785   整理番号：18A1907759

タスク単純化による深層連続強化学習の加速【JST・京大機械翻訳】

Accelerating Deep Continuous Reinforcement Learning through Task Simplification

著者 (4件)： Kerzel Matthias (Knowledge Technology, University of Hamburg, Germany) ,  Mohammadi Hadi Beik (Knowledge Technology, University of Hamburg, Germany) ,  Zamani Mohammad Ali (Knowledge Technology, University of Hamburg, Germany) ,  Wermter Stefan (Knowledge Technology, University of Hamburg, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-6  発行年： 2018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： ロボット運動政策は理論的に深い連続強化学習により学習される。しかしながら,実際には,膨大な量の必要な訓練サンプルを現実的な時間で収集することは,多くのロボットプラットフォームの可能性を上回る。この問題を解決するために,著者らは,発達心理学から知られているGoldilocks効果によって触発されたタスク簡素化によって学習プロセスを加速するための新しい方法を提案した。著者らは,Deep Dementistic Polically Gradient(DDPG)アルゴリズムによって学習される到達-把持タスクに関する結果を提示した。タスク簡素化は,訓練中に動的に到達可能性を適応させる「大規模な生活」訓練オブジェクトにより,システムを最初に訓練することにより実現される。著者らは,変更されていない訓練セットアップと比較して,有意な加速度を達成した。学習の速度を維持しながら,単純化学習インスタンスからの学習過程中のアーチファクトを防止するために,再生バッファに関するDDPGアルゴリズムへの修正を記述した。この結果により,ロボットプラットフォーム上での深い強化学習の現実的な応用に貢献した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 加速度 ,  アルゴリズム ,  *学習 ,  *深層 ,  *強化学習 ,  ロボット ,  アーチファクト ,  *簡素化
準シソーラス用語： 学習過程 ,  発達心理学 ,  ロボットプラットフォーム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： タスク ,  単純化 ,  深層 ,  学習 ,  加速