TensorFlowで逆強化学習

TensorFlow 勉強会 (4) の発表資料です。 途中の動画を見るには↓の元ファイルを御覧ください。 https://docs.google.com/presentation/d/1CWHjeiDJovG4ymuaoGCFLiBcSHNuNccMQQYkoFtpHxc/pub?start=false&loop=false&delayms=3000

[sh19910711]

2016 / "「良い」を定量的に定義できれば強化学習を用いて「良い」状態に導くことができる / 現実には「良い」を定量的に定義することが難しい場面も多い / IRL: エキスパートの行動をもとに、どの状態がどれくらい「良い

[zyxwv]

強化学習：最適の定義→最適な行動。逆強化学習：最適な行動→最適の定義。どんな報酬で動いているかわからないシステムの動作から、報酬を推定する。