日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

強化学習arXiv:2011.02073

方策勾配法における誘導探索のための最適制御ベースのベースライン

Optimal Control-Based Baseline for Guided Exploration in Policy Gradient Methods

シェア:XThreadsFacebookLINEはてブBluesky

強化学習の方策勾配法において、最適制御問題の価値関数をベースラインとして用いることで、分散低減だけでなく誘導的な探索を実現し、疎な報酬環境でのロボット学習で有効性を示した論文。

著者: Xubo Lyu, Site Li, Seth Siriya, Ye Pu, Mo Chen

分類: cs.LG, cs.AI, cs.RO, cs.SY, eess.SY

原文アブストラクト

In this paper, a novel optimal control-based baseline function is presented for the policy gradient method in deep reinforcement learning (RL). The baseline is obtained by computing the value function of an optimal control problem, which is formed to be closely associated with the RL task. In contrast to the traditional baseline aimed at variance reduction of policy gradient estimates, our work utilizes the optimal control value function to introduce a novel aspect to the role of baseline -- providing guided exploration during policy learning. This aspect is less discussed in prior works. We validate our baseline on robot learning tasks, showing its effectiveness in guided exploration, particularly in sparse reward environments.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI