抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くの実世界問題は,構成的に解決し,直列または並列のいずれかで相互依存サブタスクを完了し,依存性グラフとして表現できる。深層強化学習(RL)エージェントは,長時間の水平と疎な報酬のために,そのような複雑なタスクを学習することが多い。この問題に取り組むために,著者らは,RLエージェントの電流スキルレベルに対して調整した一連の組成タスクを自動的に構築するために,Generatorエージェントを訓練する環境(CoDE)の構成設計を提示する。この自動カリキュラムは,エージェントがそうでなければより複雑なタスクを学習できるだけでなく,エージェントの性能が弱いタスクを選択し,そのロバスト性とゼロショットをテスト時間でのタスクを一般化する能力を強化する。ここでは,現在の環境生成技術が構成タスクを生成する問題に対して不十分であり,これらの問題を扱う新しいアルゴリズムを提案した。著者らの結果は,Webページとナビゲートと相互作用する学習の実世界問題を含む,複数の構成タスクにわたる学習と一般化を評価する。著者らは,複数のページまたは部屋から成る環境を生成し,それらの環境において複雑なタスクの広い範囲を完了できるRLエージェントを訓練する。Webナビゲーションのための組成タスク,組成ミニGridおよびgMiniWoBを生成するための2つの新しいベンチマークフレームワークに寄与する。CoDEは最強のベースラインよりも4x高い成功率をもたらし,3500の原始的タスクで学習された実際のウェブサイトの強い性能を示した。【JST・京大機械翻訳】