mabonki0725 https://blog.hatena.ne.jp/mabonki0725/ mabonki0725の日記 https://mabonki0725.hatenablog.com/ ロボテックス 確率・統計 ランニングできず 英語できず (1) 一般化報酬による高次元の強化学習の論文を読む 「High - Dimensional Continuous Control using Generated Advantage Estimation」 https://arxiv.org/abs/1506.02438 ゲームの強化学習ではQ-learningが一般的ですが、人間型のヒユーマロイド型ロボットでは複雑で高次元の制御が必要なため、この強化学習では方策が適正拘束条件下の最適化で行うことが多いです。 https://youtu.be/Pvw28wPEWEo このモデルとしてはUC BerkelyのAbb… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fmabonki0725.hatenablog.com%2Fentry%2F2017%2F10%2F13%2F235933" title="一般化報酬による高次元の強化学習の論文を読む - mabonki0725の日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> http://chart.apis.google.com/chart?cht=tx&chl=%5Cpi Hatena Blog https://hatena.blog 2017-10-13 23:59:33 rich https://mabonki0725.hatenablog.com/entry/2017/10/13/235933 1.0 100%