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。
多様な目標を解決できる汎用強化学習エージェントの訓練に関心がある。そのようなエージェントの訓練は,目標カリキュラムの自動生成を効率的に必要とする。これは,エージェント(b)がサンプル効率的方法で多様な目標に曝露され,(c)が以前に解決された目標を壊滅的にはしないことを確実にするので,(a)困難の増加の目標を探索することを必要とするので,挑戦的である。著者らは,4つのエージェントを有するマルチプレーヤーゲームによって,これらのデサイドタを満足させる自動目標生成フレームワークであるCurriculum自己Play(CuSP)を提案した。PAIRED(Dennisら,2020)における非対称カリキュラム学習を,2つのオフポリシー学生学習者と2つのレグレット最大化教師の間の協調と競争を慎重にバランスさせる対称化ゲームに拡張した。CuSPは,さらに,エントロピー目標カバレッジを導入し,学生の非定常性を説明し,抗カタストロフィー開発と進行性探索をバランスさせるカリキュラムを自動的に誘導することを可能にする。提案手法は,一連の制御タスクに対する目標の有効なカリキュラムを生成することに成功し,ゼロショットテスト時間一般化における他の方法を,新しい配信外目標に凌駕することを実証した。【JST・京大機械翻訳】