行動確率場モデルに基づく強化学習 : 拡張Q-学習

スポンサーリンク

概要

論文の詳細を見る
自律型ロポットの学習による行動獲得は, 先見的な知識だけでは補いきれない行動決定の問題に対して有効な手法である. 従来, センサ空間を離散化し, 有限個の状態上での行動決定問題として定式化され, Q-学習など興味深い学習法が提案されて来た. しかし, 離散化に伴う誤差が無視できない状況も多く, そのため誤差の影響を少なくする高精度の方法が研究対象になってきた. 本論文では、Q-学習を拡張した拡張Q-学習を提案する. 拡張Q-学習とは, 行動確率場モデルに基づき, センサ空間から行動空間への写像を導くものである. 本モデルでは写像を表す行動選択確率を規定する行動価値関数は, 有限個の基底関数の重み付き和ととして表される. 学習は重みを調整する作業に対応し, また, 精度を保持しつつより簡潔なモデルで関数近似を行うために基底関数の自律統合を学習アルゴリズムに追加した.
1999-05-14

著者

関連論文

もっと見る

スポンサーリンク