物理パラメータのランダム化による耐故障ロボットのための強化学習
抄録 強化学習では,コスト面や安全性の理由から,シミュレーション環境で方策を学習し,現実世界に適用することが一般的である.しかし,現実世界の外乱や故障によってシミュレーション環境とテスト環境のギャップが生まれるため,学習された方策のみでは適応できないことが多い.そのようなギャップを埋めるために,様々なシナリオに適応できる方策が必要である.本研究では,故障に対してロバストな方策獲得のための強化学習手法を提案する.
350万人が利用する会社訪問アプリ
自己紹介などの詳しいプロフィールは、つながりをリクエストして承認されると表示できます。
抄録 強化学習では,コスト面や安全性の理由から,シミュレーション環境で方策を学習し,現実世界に適用することが一般的である.しかし,現実世界の外乱や故障によってシミュレーション環境とテスト環境のギャップが生まれるため,学習された方策のみでは適応できないことが多い.そのようなギャップを埋めるために,様々なシナリオに適応できる方策が必要である.本研究では,故障に対してロバストな方策獲得のための強化学習手法を提案する.