外部による評価を報酬に組み入れる繰り返し動作の獲得手法の一検討

カテゴリ: 研究会(論文単位)

論文No: ST15030

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2015/12/06

タイトル(英語): A study on cyclic behavior acquisition including outside evaluation in reward

著者名: NGUYEN VAN BAC(筑波大学),澁谷 長史(筑波大学)

著者名(英語): BAC NGUYEN VAN(University of Tsukuba),Takeshi Shibuya(University of Tsukuba)

キーワード: 強化学習|繰り返し動作|行動獲得|周期報酬環境|報酬|外部による評価|reinforcement learning|cyclic behavior|behavior acquisition|environment with cyclic reward depending on the time|reward|outside evaluation

要約(日本語): 従来の強化学習は目標が時刻によって変化する繰り返し動作を獲得することが難しい。周期報酬環境下の強化学習は繰り返し動作の獲得が容易である。しかし、外部による評価に適した動作の獲得に適用する場合、外部の評価への適応と繰り返し動作の獲得のトレードオフにより適切な報酬関数を設定することが困難である。本論文は外部の評価に適した繰り返し動作を獲得するための手法を提案し，その有効性を確認する。

要約(英語): In the framework of conventional reinforcement learning, it is difficult to acquire cyclic behavior. The periodic reinforcement learning is more suitable for cyclic task. However, in order to acquire the cyclic behavior adapted to outside evaluation, it is difficult to set proper reward function due to the trade-off between requisition to adapt to outside evaluation and cyclic behavior acquisition. This paper proposes a method for acquiring the cyclic behavior adapted to outside evaluation.

原稿種別: 日本語

PDFファイルサイズ: 892 Kバイト