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。
行動クローニングは,エージェントを訓練するために広く使われており,専門家の軌跡に基づく一般的行動を教えるための高速で堅固なアプローチとして認識されている。そのような方法は教師つき学習パラダイムに従い,データの分布に強く依存する。本論文では,行動クローニングとヒトインザループ訓練との組み合わせが,その欠陥のいくつかを解決し,訓練時間をスピードアップし,必要な資源を低くしながら,トリクシー状況を克服するためのエージェントタスク特異的補正を提供する方法を示した。これを行うために,専門家がシミュレーション中に任意の瞬間にエージェントを制御でき,その問題状況に最適解を与える新しいアプローチを導入した。著者らの実験は,このアプローチが定量的評価と人間様線の両方に関してより良い政策に導くことを示した。【JST・京大機械翻訳】