文献

J-GLOBAL ID：202002286187854253   整理番号：20A2806090

外乱存在下における探索過程の自動調整と保守的な制御入力に基づく安全強化学習

Safe Reinforcement Learning Based on Automatic Exploration Process Adjustment with Conservative Control Input under Existence of Disturbance

著者 (5件)： 加藤佑介 (慶応大) ,  大川佳寛 (富士通研) ,  佐々木智丈 (富士通研) ,  屋並仁史 (富士通研) ,  滑川徹 (慶応大)
資料名： 自動制御連合講演会(CD-ROM)  (自動制御連合講演会講演論文集(CD-ROM))
巻： 63rd (Web)  ページ： ROMBUNNO.2G1-4 (WEB ONLY)  発行年： 2020年 
JST資料番号： F0989D  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： ・実環境でも学習できる安全強化学習に関して,外乱を考慮した上で,学習中の安全性を保証するための探索要素を含めない保守的制御入力に対する十分条件を提示。
・強化学習の探索過程を自動調整し,探索要素を含めない保守的制御入力を用いることで,状態制約を満たす確率を一定の閾値以上となることを証明。
・数値シミュレーションにおいて,提案手法を用いることで,学習中の安全性が保証されていることを確認。

シソーラス用語： *擾乱 ,  *強化学習 ,  *安全性 ,  自動制御 ,  評価関数 ,  離散時間系 ,  非線形系 ,  Markov過程
準シソーラス用語： 状態空間 ,  数値シミュレーション ,  制御入力

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

引用文献 (8件)：

• R. S. Sutton and A. G. Barto: Reinforcement Learning: An Introduction, MIT Press, 2nd edition (2018)
• M. G. Bellemare, Y. Naddaf, J. Veness, M. Bowling: The Arcade Learning Environment: An Evaluation Platform for General Agents, Journal of Artificial Intelligence Research, 47, p.253-279(2013)
• J. García and F. Fernández: A Comprehensive Survey on Safe Reinforcement Learning, Journal of Machine Learning Research, 16, pp.1437-1480(2015)
• E. Biyik, J. Margoliash, S. R. Alimo and D. Sadigh: Efficient and Safe Exploration in Deterministic Markov Decision Processes with Unknown Transition Models, American Control Conference (ACC), pp.1792-1799 (2019)
• Y. Ge, F. Zhu, X. Ling and Q. Liu: Safe QLearning Method Based on Constrained Markov Decision Processes, IEEE Access, 7, pp.165007-165017 (2019)

タイトルに関連する用語 (6件)： 外乱 ,  探索過程 ,  自動調整 ,  保守 ,  制御入力 ,  強化学習