@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00240745,
 author = {髙野, 剛志 and 計良, 宥志 and 川本, 一彦 and Tsuyoshi, Takano and Hiroshi, Kera and Kazuhiko, Kawamoto},
 book = {ゲームプログラミングワークショップ2024論文集},
 month = {Nov},
 note = {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．, 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.},
 pages = {187--191},
 publisher = {情報処理学会},
 title = {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},
 volume = {2024},
 year = {2024}
}