FISAR:深層ニューラルネットワークベース最適化によるフォワード不変安全強化学習【JST・京大機械翻訳】

Sun Chuangchuang; Kim Dong-Ki; How Jonathan P.

プレプリント

J-GLOBAL ID：202202207963463012 整理番号：21P0036396

FISAR:深層ニューラルネットワークベース最適化によるフォワード不変安全強化学習【JST・京大機械翻訳】

FISAR: Forward Invariant Safe Reinforcement Learning with a Deep Neural Network-Based Optimize

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 (3件)： , ,
資料名：
発行年： 2020年06月19日プレプリントサーバーでの情報更新日： 2021年05月05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)

本論文では,安全クリティカル環境において不可欠な制約による強化学習を研究した。制約違反を単調に減少させるために,Lyapunov関数として制約を取り上げ,政策パラメータ更新動力学に新しい線形制約を課した。その結果,元の安全セットは前進不変である。しかし,新しい保証可能な制約が元の政策パラメータの代わりに更新動力学に課せられるので,古典的最適化アルゴリズムはもはや適用できない。これに取り組むために,線形制約を満足しながら,目的を最適化するために,一般的な深層ニューラルネットワーク(DNN)ベースの最適化器を学習することを提案する。制約充足は,多重線形不等式制約によって定式化されたポリトープへの射影によって達成され,それは新しく設計したメトリックで解析的に解くことができる。著者らの知る限り,これはフォワード不変性保証による制約付き最適化のための最初のDNNベース最適化者である。筆者達は,制約違反を減らし,累積報酬を単調に最大化するための政策を訓練する。数値的制約付き最適化と障害物回避ナビゲーションの結果は,理論的発見を立証した。【JST・京大機械翻訳】

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

システム設計・解析 , 人工知能 , ニューロコンピュータ

, , ,

前のページに戻る