失敗からも学ぶ 強化学習 HERのアルゴリズムを理解して、OpenAI Gymの新しいロボットで試してみた - Qiita

失敗からも学ぶ 強化学習 HERのアルゴリズムを理解して、OpenAI Gymの新しいロボットで試してみたPython機械学習MachineLearning強化学習OpenAIGym 概要 OpenAI Gymが新しい環境Roboticsを公開したので（公式ブログ）試してみました。 また、その中でHER（Hindsight Experience Replay）で、良いパフォーマンスが出たそうなので、アルゴリズムを理解し、動かしてみました。 環境作り Python3.5.2の環境で、OpenAI GymのインストールとMuJoCoとmujoco-pyのインストールが必要です。 MoJoCoを使うのはライセンスが必要ですが、一旦、無償版(30日間)を使いました。 MuJoCoのライセンス取得 MuJoCoとMuJoCo-pyのインストール方法（公式GitHub） OpenAI Gymのインスト

[sh19910711]

"試行結果が失敗で報酬が無くても、その試行データを利用して目的の達成に役立てよう、という考え / ゴールの位置がインプットになっている価値関数において、失敗による擬似ゴールでの価値関数の更新が有効利用"