文献

J-GLOBAL ID：202102231916204451   整理番号：21A0671534

深層強化学習における行動の妥当性に基づく探索戦略【JST・京大機械翻訳】

Exploration Strategy based on Validity of Actions in Deep Reinforcement Learning

著者 (3件)： Yoon Hyung-Suk (Seoul National University,Department of Electrical and Computer Engineering,Korea) ,  Lee Sang-Hyun (Seoul National University,Department of Electrical and Computer Engineering,Korea) ,  Seo Seung-Woo (Seoul National University,Department of Electrical and Computer Engineering,Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IROS  ページ： 6134-6139  発行年： 2020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： どのように環境を探索するかは,強化学習におけるエージェントの性能のための最も重要な要因の1つである。ε-欲アルゴリズムとGauss探査ノイズのような従来の探査戦略は,単に純粋なランダム性に依存する。しかし,強化学習における主要な課題として残っている複雑な環境を効率的に探索するために,その訓練進捗と行動の長期的有用性を考慮するためのエージェントが必要である。この課題に取り組むために,それらの妥当性に基づいて行動を選択する新しい探索法を提案した。著者らの方法の背後にある重要なアイデアは,探索と開発の両方に関して行動を包括的に評価するために,kullback-leibler発散のゼロ回避特性を活用することによって,行動の有効性を推定することである。また,報酬がまばらで,直感的に定義できない環境において,エージェントが効率的に探索できるフレームワークを導入した。フレームワークは,専門家の実証を用いて,著者らの探索戦略を模倣学習と組み合わせることにより,タスク関連状態空間を訪問するエージェントをガイドする。ラウンドアバウトにおける古典的制御タスクから高次元都市自律運転シナリオまでのいくつかのタスクに関する著者らの探索戦略を実証した。結果は,著者らの探査戦略が,行動の妥当性を強化するためのタスク関連状態空間を訪問するエージェントを奨励し,いくつかの以前の方法を凌ぐことを示した。Copyright 2021 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： アルゴリズム ,  雑音 ,  都市 ,  高次元 ,  有効性 ,  エージェント ,  *強化学習
準シソーラス用語： 自律性 ,  ランダム性 ,  状態空間 ,  ラウンドアバウト ,  模倣学習 ,  *探索戦略 ,  深層強化学習 , 【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 (4件)： 深層強化学習 ,  行動 ,  妥当性 ,  探索戦略