適応平滑化経路積分制御【JST・京大機械翻訳】

Thalmeier Dominik; Kappen Hilbert J.; Totaro Simone; Gomez Vicenc

プレプリント

J-GLOBAL ID：202202201989204548 整理番号：22P0146612

適応平滑化経路積分制御【JST・京大機械翻訳】

Adaptive Smoothing Path Integral Control

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： 2020年05月13日プレプリントサーバーでの情報更新日： 2020年05月13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)

経路積分制御問題において,最適に制御された動的システムの表現を形式的に計算し,パラメータ化ポリシーを学習するためのガイドポストとして役立たせる。経路積分交差エントロピー(PICE)法はこれを利用することを試みたが,貧弱なサンプル効率によって妨げられる。ポリシー最適化の収束を高速化するために,コスト関数にインフコンボルーションを適用するASPIC(経路積分制御の適応型平滑化)と呼ばれるモデルフリーアルゴリズムを提案した。そのような技法の無限平滑化限界としてPICEを同定し,PICEが平滑化の有限レベルに対して消滅するサンプル効率問題を示した。ゼロ平滑化のために,この方法は,現在の強化学習における標準アプローチであるコストの greedy欲な最適化になる。平滑化の中間レベルが最適であり,PICEと直接コスト最適化の両方より優れている新しい方法を解析的および経験的に示した。【JST・京大機械翻訳】

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

人工知能 , その他のオペレーションズリサーチの手法 , システム・制御理論一般 , 破壊力学一般 , 数値計算

, ,

前のページに戻る