以前GAILに潜在変数によるモードを考慮したinfo GAILの論文を読みました． neuralnetandroid.hatenablog.com この手法ではInfoGANのしくみをGAILに取り入れることで，複数の方策が混合されたデモンストレーションデータを それぞれの方策を区別して学習を行…

Residual Policy Learningという，モデルフリー強化学習による初期方策の最適化を試みた非常にシンプルな手法を提案している論文があったのでまとめてみました． 元の論文はこちら↓ https://arxiv.org/abs/1812.06298 概要 この論文では，ヒューリスティック…

T-REXというまたかわいい(?)名前の逆強化学習アルゴリズムが発表されたので読んでみました．ざっくり読んだ際のメモなので間違い等はご指摘ください． 本文はこちらです↓↓． Extrapolating beyond suboptimal Demonstrations via Inverse Reinforcement Lear…