オフライン強化学習におけるデータ拡張による AtariゲームAIの性能向上

• Item type: Symposium(1)
• 公開日: 2024-11-15
• タイトル: オフライン強化学習におけるデータ拡張による AtariゲームAIの性能向上
• タイトル / 言語: en
• タイトル: Improving Atari Game AI Performance via Data Augmentation in Offline Reinforcement Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: オフライン強化学習
• キーワード / 主題Scheme: Other
• キーワード / 主題: Transformer
• キーワード / 主題Scheme: Other
• キーワード / 主題: Atari
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 千葉大学大学院 融合理工学府 数学情報科学専攻
• 著者所属: 千葉大学大学院 情報学研究院
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Chiba University
• 著者所属(英): en
• 著者所属(英): Graduate School of Informatics, Chiba University
• 著者名: 髙野, 剛志; 計良, 宥志; 川本, 一彦
• 著者名(英): Tsuyoshi, Takano; Hiroshi, Kera; Kazuhiko, Kawamoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，オフライン強化学習の一手法である Decision Transformer を用い， Atari ゲームの画面にガウスノイズ等を付加するデータ拡張を通じて，エージェントの性能が向上することを示す．このデータ拡張は通常，ノイズに対するロバスト性の向上を目的としているが，本研究ではクリーンなゲーム環境においても性能が向上することを発見した．特に，ノイズデータとクリーンデータを組み合わせて訓練することで，クリーンデータあるいはノイズデータのみを用いた場合よりも高いスコアが得られることを実験的に示す．これらの結果は，ノイズ付与によるデータの多様性が Decision Transformer の性能向上に有益であることを示唆している．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this study, we demonstrate that using the Decision Transformer, an offline reinforcement learning method, together with data augmentation by adding noise to Atari game screens, improves the performance of the agent. This data augmentation is typically aimed at improving robustness against noise, but in this study, we find that performance also improves in clean game environments. In particular, training with a combination of noisy and clean data results in higher scores compared to using only clean data or only noisy data. These results suggest that the diversity introduced by noise is beneficial for improving the performance of the Decision Transformer.
• 書誌情報: ゲームプログラミングワークショップ2024論文集; 巻 2024, p. 187-191, 発行日 2024-11-15
• 出版者 / 言語: ja
• 出版者: 情報処理学会