強化学習
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…
[1703.08840] InfoGAIL: Interpretable Imitation Learning from Visual Demonstrations この論文のメインとしては深層模倣学習GAILの自動運転への応用であり 状態をpixelデータで受け取ること デモンストレーションの方策が単一でなく複数のモードが混ざっ…
スパースな報酬環境(たとえばMontezuma Revenge)での強化学習は学習が難しく,さまざまなアプローチがこころみられています.今回はデモンストレーションを用いることでこの問題に取り組んだ,論文(2017,Deepmind) [1704.03732] Deep Q-learning from Demons…
ICLR2019の模倣学習Discriminator Actor-Critic(DAC)の論文を読む ICLR2019で強化学習といえばR2D2がもてはやされていますが.GAILの改良するアプローチの論文があったので読んだ際のメモとして書いてみる. Discriminator-Actor-Critic: Addressing Sample …