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。
強化学習(RL)は活発に研究され,様々なタスクにおいて良好な性能を示している。しかし,ほとんどのRLエージェントは,複雑なタスクを解決するための非効率的で困難な方法である,プリミティブ行動のみによる環境を探索することにより,それらのタスクを解決する。複雑なタスクをサブタスクに分解して,それらをステップバイステップに解決する方法を解決策として研究したが,これらの研究の多くは,下流タスクの目標を考慮しないサブタスクを学習し,最適サブタスク組合せを見つけるのを困難にする。本論文では,目標状態に到達するための目標条件付サブゴールを生成する学習により複雑なタスクを解くためのフレームワークを提案した。第1に,データセットから目標条件付サブゴールの集合を学習する深い潜在変異モデルを導入した。次に,学習されたサブゴールを用いて複雑な問題を解くための階層構造を持つアルゴリズムを提案した。提案モデルは,2つのレベル政策から成り,そこでは,より高いレベル政策が,問題を解析するために最適サブタスクを選択し,そして,より低いレベル政策は,各サブゴールに到達するために,原始的行動を出力する。著者らの方法の有効性を検証するために,著者らは長水平迷路環境における他のベースラインと著者らのフレームワークを比較した。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】