正則化状態-占有マッチングによる観測と例からの多目的オフライン模倣【JST・京大機械翻訳】

Ma Yecheng Jason; Shen Andrew; Jayaraman Dinesh; Bastani Osbert

プレプリント

J-GLOBAL ID：202202200974719960 整理番号：22P0285045

正則化状態-占有マッチングによる観測と例からの多目的オフライン模倣【JST・京大機械翻訳】

Versatile Offline Imitation from Observations and Examples via Regularized State-Occupancy Matching

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月04日プレプリントサーバーでの情報更新日： 2022年06月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,状態-占有マッチングを通して導き出した新規で多目的な回帰ベースのオフライン模倣学習(IL)アルゴリズムである状態マッチングオフラインDIs属性補正推定(SMODICE)を提案した。SMODICEの目的は,Fenchel双対性の適用と表MDPsの解析解を通して簡単な最適化手順を提出する。エキスパート行動へのアクセスを必要とせずに,SMODICEは3つのオフラインIL設定に効果的に適用できる。(i)観測からの模倣(IfO),(ii)動力学または形態学的にミスマッチした専門家によるIfO,および(iii)例に基づく強化学習,を状態占有マッチング問題として定式化できる。グリッド世界環境と高次元オフラインベンチマークの両方に関するSMODICEを広範囲に評価した。著者らの結果は,SMODICEがすべての3つの問題設定に対して有効であり,事前の最先端技術よりも著しく優れていることを実証した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

パターン認識

, , , ,

前のページに戻る