敵対的運動事前は複雑な報酬関数のための良い代用品を作る【JST・京大機械翻訳】

Escontrela Alejandro; Peng Xue Bin; Yu Wenhao; Zhang Tingnan; Iscen Atil; Goldberg Ken; Abbeel Pieter

プレプリント

J-GLOBAL ID：202202204248266790 整理番号：22P0311753

敵対的運動事前は複雑な報酬関数のための良い代用品を作る【JST・京大機械翻訳】

Adversarial Motion Priors Make Good Substitutes for Complex Reward Functions

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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2022年03月28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)

過小指定報酬関数による高次元模擬エージェントの訓練は,実世界で展開するときに無効である物理的に実行不可能な戦略の学習をしばしばもたらす。これらの非自然な行動を緩和するために,強化学習実務者は,物理的に妥当な行動を促進する複雑な報酬関数を利用することが多い。しかし,プラットフォームやタスクを横断して容易に一般化できない手で設計された報酬を生成するためには,退屈な労働集約同調プロセスがしばしば必要である。モーションキャプチャ実証のデータセットから学習された「スタイル報酬」と複雑な報酬関数を置換することを提案する。学習されたスタイル報酬は,自然戦略を用いてタスクを実行するポリシーを訓練するために任意のタスク報酬と組み合わせることができる。これらの自然戦略は,実世界への移動も促進する。基準運動のデータセットからスタイル報酬を符号化するコンピュータグラフィックスドメインからのアプローチ,Adversarial Motion Pows-an the the the rまた,効果的なスタイル報酬は,ドイツのShepherdから収集された数秒のモーションキャプチャデータから学習でき,自然歩行遷移を伴うエネルギー効率の良い移動戦略につながることも実証した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る