講演抄録/キーワード |
講演名 |
2020-06-29 15:25
サブゴールの自律的な探索によるモデルベース深層強化学習手法の提案 ○丸山元輝・遠藤聡志・山田孝治(琉球大) NC2020-6 IBISML2020-6 |
抄録 |
(和) |
モデルベース深層強化学習では,モデルフリーと比べてサンプル効率が良い反面,環境モデルを再現するために深層生成モデルを必要とする.そのため現実的なコストとして深い先読みが難しい.そこでタスクを分解しサブゴールを設けることで,浅い先読みとサブゴールの比較を行い,サブゴールの近さによって報酬を与えて学習の効率化を図る.総報酬が高かった状態履歴をサブゴール候補とし,サブゴールへの到達率を重みとしたランダムサンプリングを行うことで迷路の環境で一定の成果を示した. |
(英) |
Model-based deep reinforcement learning (DRL) is more sample-efficient than model-free DRL. But it requires a deep generative model to learn an accurate dynamics. Therefore, it is difficult to deep lookahead depth due to a realistic cost. In this work, We propose to compare the subgoals with the shallow lookahead depth and give rewards according to the proximity by decomposing the tasks and setting subgoals. This method achieve a certain result in the maze. |
キーワード |
(和) |
深層強化学習 / サブゴール / モデルベース / DQN / GANs / / / |
(英) |
Deep reinforcement learning / Subgoals / Model-based / DQN / GANs / / / |
文献情報 |
信学技報, vol. 120, no. 79, NC2020-6, pp. 33-38, 2020年6月. |
資料番号 |
NC2020-6 |
発行日 |
2020-06-22 (NC, IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2020-6 IBISML2020-6 |
研究会情報 |
研究会 |
NC IBISML IPSJ-BIO IPSJ-MPS |
開催期間 |
2020-06-29 - 2020-06-29 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2020-06-NC-IBISML-BIO-MPS |
本文の言語 |
日本語 |
タイトル(和) |
サブゴールの自律的な探索によるモデルベース深層強化学習手法の提案 |
サブタイトル(和) |
|
タイトル(英) |
A Study on Model-based Deep Reinforcement Learning Using Autonomous Search for Subgoal |
サブタイトル(英) |
|
キーワード(1)(和/英) |
深層強化学習 / Deep reinforcement learning |
キーワード(2)(和/英) |
サブゴール / Subgoals |
キーワード(3)(和/英) |
モデルベース / Model-based |
キーワード(4)(和/英) |
DQN / DQN |
キーワード(5)(和/英) |
GANs / GANs |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
丸山 元輝 / Motoki Maruyama / マルヤマ モトキ |
第1著者 所属(和/英) |
琉球大学 (略称: 琉球大)
University of the Ryukyus (略称: Univ. of the Ryukyus) |
第2著者 氏名(和/英/ヨミ) |
遠藤 聡志 / Satoshi Endo / エンドウ サトシ |
第2著者 所属(和/英) |
琉球大学 (略称: 琉球大)
University of the Ryukyus (略称: Univ. of the Ryukyus) |
第3著者 氏名(和/英/ヨミ) |
山田 孝治 / Koji Yamada / ヤマダ コウジ |
第3著者 所属(和/英) |
琉球大学 (略称: 琉球大)
University of the Ryukyus (略称: Univ. of the Ryukyus) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2020-06-29 15:25:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2020-6, IBISML2020-6 |
巻番号(vol) |
vol.120 |
号番号(no) |
no.79(NC), no.80(IBISML) |
ページ範囲 |
pp.33-38 |
ページ数 |
6 |
発行日 |
2020-06-22 (NC, IBISML) |