Regretベース環境設計によるカリキュラムの進化【JST・京大機械翻訳】

Parker-Holder Jack; Jiang Minqi; Dennis Michael; Samvelyan Mikayel; Foerster Jakob; Grefenstette Edward; Rocktaeschel Tim

プレプリント

J-GLOBAL ID：202202218851944931 整理番号：22P0297952

Regretベース環境設計によるカリキュラムの進化【JST・京大機械翻訳】

Evolving Curricula with Regret-Based Environment Design

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03月02日プレプリントサーバーでの情報更新日： 2023年09月30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)

それは,強化学習(RL)で一般に可能なエージェントを訓練する大きな挑戦である。RLエージェントのロバスト性を改善する有望な手段は,カリキュラムの使用である。そのようなクラスの方法は,学生と教師の間のゲームとして環境設計を,学生エージェントの能力のフロンティアで環境インスタンス化(またはレベル)を作り出すために,レグレットベースの目的を用いて行う。これらの方法は,その普遍性から利益を得て,平衡における理論的保証を有するが,それらはしばしば困難な設計空間において有効レベルを見つけるのにしばしば苦労する。対照的に,進化的アプローチは,環境複雑性を漸増的に変更し,潜在的にオープンエンド学習をもたらすが,しばしばドメイン固有の発見的および大量の計算資源に依存する。本論文では,原理的,レギットベースのカリキュラムにおける進化の電力を利用することを提案する。このアプローチでは,Editingレベル(ACCEL)による敵対的合成複雑性を呼び出し,エージェントの能力のフロンティアでレベルを常に生産し,単純だがますます複雑になるカリキュラムをもたらす。ACCELは,事前のレグレットベースの方法の理論的利点を維持し,一方,多様な環境セットで重要な経験的利得を提供する。論文のインタラクティブバージョンは,accelエージェント.github.ioで利用可能である。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る