微分可能物理シミュレーションにおける強化学習のための報酬勾配の利用【JST・京大機械翻訳】

Gillen Sean; Byl Katie

プレプリント

J-GLOBAL ID：202202221133030272 整理番号：22P0299507

微分可能物理シミュレーションにおける強化学習のための報酬勾配の利用【JST・京大機械翻訳】

Leveraging Reward Gradients For Reinforcement Learning in Differentiable Physics Simulations

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 (2件)： ,
資料名：
発行年： 2022年03月05日プレプリントサーバーでの情報更新日： 2022年03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)

近年,完全に異なる剛体物理シミュレータが開発され,広範囲のロボットシステムをシミュレートするのに使用できる。制御のための強化学習の文脈において,これらのシミュレータは,理論的には報酬関数の解析的勾配に直接適用することを可能にする。しかし,今日まで,これらの勾配は使用が非常に困難であり,勾配情報を全く使用しないアルゴリズムによって分類される。本研究では,新しいアルゴリズム,交差エントロピー解析的ポリシー勾配,を,一連の挑戦的な非線形制御問題に関する最新の深層強化学習の状態を凌駕するために,これらの勾配を活用できる。【JST・京大機械翻訳】

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

人工知能 , ロボットの運動・制御

, , , ,

前のページに戻る