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。
Meta強化学習(メタ-RL)は,以前のタスクから知識を抽出し,新しいタスクへの迅速な適応を達成する。最近の進捗にもかかわらず,メタ-RLにおける効率的な探索は,メタ訓練と適応の両方における有益なタスク関連経験を迅速に発見する必要があるので,スパース報酬タスクにおける重要課題として残っている。この課題に取り組むために,筆者らは,開発政策学習から分離され,タスク同定のための情報利得を最大化することを狙った,新しいエンパワーメント駆動探索目的を導入する,メタRLに対する探索ポリシー学習問題を明示的にモデル化した。著者らは,対応する固有報酬を導出し,タスク推論の知識を共有することによって,別々のコンテキスト意識探索と開発ポリシーを効率的に学習する新しいオフポリシーメタRLフレームワークを開発した。実験評価は,著者らのメタ-RL法が,様々なスパース報酬MuJoCo移動タスクとより複雑なスパース報酬Meta-Worldタスクに関する最先端のベースラインよりも著しく優れていることを示した。【JST・京大機械翻訳】