WEKO3
アイテム
状態と行動の組み合わせの探索のための内発的報酬を導入した世界モデル
https://ipsj.ixsq.nii.ac.jp/records/241500
https://ipsj.ixsq.nii.ac.jp/records/2415005a463062-1a63-4584-9188-751d04c23722
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS24151020.pdf (1.4 MB)
2026年12月2日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-12-02 | |||||||||
| タイトル | ||||||||||
| タイトル | 状態と行動の組み合わせの探索のための内発的報酬を導入した世界モデル | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 東京都市大学大学院情報専攻 | ||||||||||
| 著者所属 | ||||||||||
| 東京都市大学大学院情報専攻 | ||||||||||
| 著者名 |
深谷, 拓実
× 深谷, 拓実
× 穴田, 一
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 世界モデル等のモデルベースの深層強化アルゴリズムは，環境モデルを再現し活用する事によってテレビゲーム等のタスクを人間に近いサンプル効率で学習できる．しかし，ランダムな行動で報酬に到達しにくい報酬が疎な環境の場合に世界モデルは報酬を再現できず，高いサンプル効率を実現できない．そこで，環境内の探索を強化し確実に報酬に到達するために，状態と行動の組み合わせの探索を考慮した内発的報酬を世界モデルに導入することを提案する．内発的報酬によって，報酬が疎な環境でも世界モデルがこれまでのアルゴリズムより高いサンプル効率を実現できることを示す． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10505667 | |||||||||
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS） 巻 2024-MPS-151, 号 20, p. 1-5, 発行日 2024-12-02 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8833 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
