政策勾配のための測度値導関数の解析【JST・京大機械翻訳】

Carvalho Joao; Peters Jan

プレプリント

J-GLOBAL ID：202202208010359168 整理番号：22P0300567

政策勾配のための測度値導関数の解析【JST・京大機械翻訳】

An Analysis of Measure-Valued Derivatives for Policy Gradients

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 (2件)： ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08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)

ロボット工学のための強化学習方法は,より良い政策勾配技術の一定の開発により,ますます成功している。精密(低分散)と正確(低バイアス)勾配推定器は,ますます複雑なタスクに直面した。従来のポリシー勾配アルゴリズムは尤度比トリックを使用し,不偏だが高分散推定を生成することが知られている。より現代のアプローチは,再パラメータ化トリックを利用して,それはより低い分散勾配推定を与えるが,微分値関数近似を必要とする。本研究では,異なる型の確率的勾配推定器,すなわち,測度値導出微分を研究した。この推定器は不偏であり,低分散であり,微分可能および非微分関数近似器で使用できる。アクター-批判ポリシー勾配設定においてこの推定子を経験的に評価し,低および高次元行動空間の両者において尤度比または再パラメータ化トリックに基づく手法に匹敵する性能を達成できることを示した。この作業で,著者らは,測定評価微分推定器が,他の政策勾配推定器に対する有用な代替となり得ることを示した。【JST・京大機械翻訳】

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

システム・制御理論一般 , 人工知能

, , , ,

前のページに戻る