ほとんどの現実世界のシナリオでは、ある環境で強化学習によってトレーニングされたポリシーを、別の、場合によってはまったく異なる環境に展開する必要があります。ただし、さまざまな環境にまたがる一般化は難しい

arxiv_reader のブックマーク 2020/12/14 12:05

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4695603636560056706/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2007.04309v3" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2007.04309v3" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2007.04309v3" data-user-icon="/users/arxiv_reader/profile.png">展開中の自己監視ポリシーの適応</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/simulation">simulation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/self-supervised">self-supervised</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/domain">domain</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/robot">robot</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22reinforcement%20learning%22">reinforcement learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/adaptation">adaptation</a>]</li></ul><br><p style="clear: left">ほとんどの現実世界のシナリオでは、ある環境で強化学習によってトレーニングされたポリシーを、別の、場合によってはまったく異なる環境に展開する必要があります。ただし、さまざまな環境にまたがる一般化は難しい</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20201214#bookmark-4695603636560056706"><span class="datetime-body">2020/12/14 12:05</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！