文献

J-GLOBAL ID：202202243322601131   整理番号：22A0978962

マルチエージェント強化学習のための戦場環境設計【JST・京大機械翻訳】

Battlefield Environment Design for Multi-agent Reinforcement Learning

著者 (4件)： Do Seungwon (Intelligent Convergence Research Laboratory,ETRI,Daejeon,Korea,34129) ,  Baek Jaeuk (Intelligent Convergence Research Laboratory,ETRI,Daejeon,Korea,34129) ,  Jun Sungwoo (Intelligent Convergence Research Laboratory,ETRI,Daejeon,Korea,34129) ,  Lee Changeun (Intelligent Convergence Research Laboratory,ETRI,Daejeon,Korea,34129)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： BigComp  ページ： 318-319  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 強化学習において,エージェントはその政策を学習するための環境と相互作用する。環境の設計は,環境の変化がエージェントの政策に影響を及ぼすことができるので,エージェントを訓練する重要な部分である。本論文では,マルチエージェント強化学習のための新しい戦場環境を紹介した。著者らの環境において,エージェントの2つのグループは,限られた情報によってそれらの対照的な目標のために競合する。その結果,環境の地図を定義し,各エージェントの状態,行動,報酬,および推移を設計した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *エージェント ,  *強化学習
準シソーラス用語： *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチエージェント ,  強化学習 ,  戦場 ,  環境設計