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。
状態遷移グラフのFiedlerベクトルによって提供される埋込み空間における最も遠い状態を接続することによって,疎な報酬信号を有する単一エージェントシナリオにおける強化学習の探査を改善するために,カバリングスキル(a.k.a.,オプション)発見を開発した。しかし,これらのオプション発見方法は,結合状態空間がシステムのエージェントの数とともに指数関数的に成長するので,マルチエージェントシナリオに直接拡張できない。したがって,マルチエージェントシナリオにおけるオプションの採用に関する既存の研究は,単一エージェントオプション発見にまだ依存し,エージェントの関節状態空間の接続性を改善できる結合オプションを直接発見できない。本論文では,エージェント間の協調探索行動によるマルチエージェントオプションを直接計算でき,一方,分解の容易さを楽しめることを示した。鍵のアイデアは,個々のエージェントの遷移グラフのラプラシアンスペクトルを用いて,ジョイント状態空間のFiedlerベクトルを直接推定することができる,Kroneckerグラフとして結合状態空間を近似することである。この分解により,推定関節Fiedlerベクトルの最小または最大値に対応するサブゴーラル結合状態を接続するエージェントによりマルチエージェント関節オプションを効率的に構築できる。マルチエージェント協調タスクに基づく評価は,提案アルゴリズムがマルチエージェントオプションを成功裡に同定することができ,単一エージェントオプションまたは非オプションを用いた事前研究よりも,高速探索とより高い累積報酬の両方に関して,かなり性能が優れていることを示した。【JST・京大機械翻訳】