タンゴに4つを入れる:自動カリキュラム生成のためのマルチエージェント・セルフプレイ【JST・京大機械翻訳】

Du Yuqing; Abbeel Pieter; Grover Aditya

プレプリント

J-GLOBAL ID：202202214164998376 整理番号：22P0293220

タンゴに4つを入れる:自動カリキュラム生成のためのマルチエージェント・セルフプレイ【JST・京大機械翻訳】

It Takes Four to Tango: Multiagent Selfplay for Automatic Curriculum Generation

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： 2022年02月21日プレプリントサーバーでの情報更新日： 2022年02月21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)

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】

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

人工知能

前のページに戻る