強化学習における状態フィルタ：冗長な入力情報を含む連続状態空間への適用

カテゴリ: 部門大会

論文No: OS3-7

グループ名: 【C】平成17年電気学会電子・情報・システム部門大会講演論文集

発行日: 2005/09/06

タイトル(英語): A State Space Filter for Reinforcement Learning
- Application to Continuous State Space with Redundant inputs -

著者名: 永吉 雅人(神戸大学),村尾 元(神戸大学),玉置 久(神戸大学),北村 新三(神戸大学)

著者名(英語): Masato Nagayoshi(Kobe University),Hajime Murao(Kobe University),Hisashi Tamaki(Kobe University),Shinzo Kitamura(Kobe University)

キーワード: 強化学習|状態空間構成|状態フィルタ|エントロピー|冗長性シミュレーション|reinforcement learning|state space design|state space filter|entropy|redundancysimulation

要約(日本語): 強化学習をエージェントの制御規則の適応的調節・獲得などに応用しようとする試みが盛んであるが，実用性といった観点から，状態空間を予め適切に設計することが難しいことが問題点の一つとなっている．この点に留意し，エージェントへの入力情報と行動学習の間に状態フィルタを定義・導入した計算モデルについての検討を進めており，これまでエントロピーを用いた状態フィルタの一実現法を提案している．

本稿では，タスクに関与しない入力情報が含まれる状況を考慮し，提案手法の改良を試みた結果を報告する．また，冗長なセンサをもつエージェントによる迷路問題を対象とした計算機実験を通して，提案手法の有効性・可能性について検討する．

PDFファイルサイズ: 987 Kバイト