逆強化学習を理解するための強化学習の基礎 - Qiita

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 1. はじめに 逆強化学習の手法についてはこちらを御覧ください。本記事では逆強化学習の手法については解説していません。 逆強化学習は、エキスパートの行動から報酬を推定する手法です。例として下図のようなことを実現することが可能になります。 (K.Kitani, et al., 2012, Activity Forecasting, ECCV) この例では、逆強化学習によって人の行動の報酬を推定し、経路予測をしています。 一般的に、強化学習ではエージェントが環境から報酬を得ることで最適な行動を学習します。エージェントは環境に行動という形で働

[sh19910711]

2018 / "強化学習: 報酬をはっきりと定義することが難しい / 逆強化学習では、エキスパートの行動から報酬を推定 / 「上手な運転」自体は優秀なドライバーの運転を記録することでその行動履歴を知ることができ"