局所重み付き回帰手法を用いた強化学習

カテゴリ: 全国大会

論文No: 3-095

グループ名: 【全国大会】平成21年電気学会全国大会論文集

発行日: 2009/03/15

タイトル(英語): Reinforcement Learning Using Locally Weighted Regression

著者名: 一井 宏次(八戸工業高等専門学校),釜谷 博行(八戸工業高等専門学校),阿部 健一(日本大学)

著者名(英語): Koji Ichii(Hachinohe National College of Technology),Hiroyuki Kamaya(Hachinohe National College of Technology),Kenichi Abe(College of Engineering,Nihon University)

キーワード: 強化学習|関数近似|ロボット制御

要約(日本語): 強化学習は価値関数を用いて，環境中での試行錯誤で得られた報酬から，環境へ適応するための行動を自律的に学習する機械学習の枠組みである．通常，価値関数は状態-行動対からなる離散値のテーブル形式で表現される．これを関数近似によって連続値に拡張することにより，効率よく学習することが期待できる．本稿では，局所重み付き回帰手法を価値関数近似に用いて，連続状態空間を扱える新たな強化学習アルゴリズムを提案する．このアルゴリズムをAcrobotの振り上げ問題に適用し，シミュレーション実験からその有用性を確認した．

原稿種別: 日本語

PDFファイルサイズ: 1,672 Kバイト