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。
本論文では,インタラクションにおいて遭遇する新しいオブジェクトを検出する,ナイーブエージェントのための新しい手法を提案した。既知のオブジェクトタイプを与える積層タスクに関する強化学習ポリシーを訓練し,次に,同じ訓練されたポリシーに基づく様々な他のオブジェクトをスタックするエージェントの成果を観察した。前述の積層プレイの結果で訓練された畳み込みニューラルネットワークから埋込みベクトルを抽出することにより,既知のオブジェクトタイプに対する与えられたオブジェクトの類似性を決定でき,与えられたオブジェクトが既知のタイプと十分に異なるかどうかを決定し,オブジェクトの新しいクラスと考えられる。2つの異なる政策を用いて収集した2つのデータセットに関するこの方法の結果を提示し,エージェントが環境から抽出する必要のある情報を,これらの新規性判断をするために,何が必要とするかを示した。【JST・京大機械翻訳】