アルゴリズムを変えることはデータを変える:オフライン強化学習のための探索データ【JST・京大機械翻訳】

Yarats Denis; Brandfonbrener David; Liu Hao; Laskin Michael; Abbeel Pieter; Lazaric Alessandro; Pinto Lerrel

プレプリント

J-GLOBAL ID：202202217512737904 整理番号：22P0282585

アルゴリズムを変えることはデータを変える:オフライン強化学習のための探索データ【JST・京大機械翻訳】

Don't Change the Algorithm, Change the Data: Exploratory Data for Offline Reinforcement Learning

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 (7件)： , , , , , ,
資料名：
発行年： 2022年01月31日プレプリントサーバーでの情報更新日： 2022年04月05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)

深層学習における最近の進歩は,大規模で多様なデータセットへのアクセスに依存している。そのようなデータ駆動進展は,オフラインRLデータが通常収集され,データの多様性を制限する特定のターゲットタスクを最適化するため,オフライン強化学習(RL)ではあまり明らかではない。本研究では,オフラインRLに対するデータ中心アプローチであるオフラインRL(ExORL)に対する探索データを提案する。ExORLは最初に教師なし報酬フリー探索でデータを生成し,次にオフラインRLでポリシーを訓練する前に下流報酬でこのデータを再ラベルする。探索的データは,オフライン固有修正なしに,下流タスクにおける最先端のオフラインRLアルゴリズムを凌ぐか,またはマッチさせるため,バニラオフポリシーRLアルゴリズムを可能にすることを見出した。著者らの知見は,データ生成がオフラインRLのアルゴリズム的進歩と同様に重要であり,従ってコミュニティからの注意深い考察を必要とすることを示唆する。コードとデータをhttps://github.com/denisyarats/exorlで見つけることができる。【JST・京大機械翻訳】

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

人工知能 , システム設計・解析

, , ,

前のページに戻る