深層混合エキスパートによる強化学習領域における文脈的ポリシー伝達【JST・京大機械翻訳】

Gimelfarb Michael; Sanner Scott; Lee Chi-Guhn

プレプリント

J-GLOBAL ID：202202209990753173 整理番号：22P0117727

深層混合エキスパートによる強化学習領域における文脈的ポリシー伝達【JST・京大機械翻訳】

Contextual Policy Transfer in Reinforcement Learning Domains via Deep Mixtures-of-Experts

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02月29日プレプリントサーバーでの情報更新日： 2020年06月10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)

強化学習において,転送のためのソースポリシーを選択するとき,コンテキスト,あるいは現在の状態を考慮するエージェントは,コンテキストフリーアプローチより優れていることが示されている。しかしながら,既存のアプローチのどれも,モデルベースの学習者からモデルフリー学習者への知識を文脈的に移転する。これは,例えば,資源政策が豊富なデータで多様なシミュレーションで意図的に学習された場合,例えば限られたデータで実世界の設定に転送される場合に役立つ。本論文では,推定ソースタスクダイナミックスとポリシーの知識,および共通のサブゴナルだが異なるダイナミックスを想定する。ターゲットタスクから収集された状態軌跡を用いて,ターゲットダイナミックスに整合するソースタスクダイナミックスに対する状態依存信念を学習するための新しい深層混合エキスパート定式化を導入した。混合モデルは解釈が容易であり,動力学における推定誤差に対するロバスト性を実証し,ほとんどの学習アルゴリズムと互換性がある。次に,このモデルを標準政策再利用フレームワークに組み込むことができ,OpenAI-Gymからのベンチマークに対するその有効性を実証した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る