1A1-E06 動的な環境における学習率の自己調節機能を備えた自律ロボット群

抄録

強化学習は過去の経験を効率良く利用し, 現在の問題を解くという方法である。しかし, 設計者による学習率(Learning Ratio), 割引率(discounted Factor), 温度定数(Temparature)等々のパラメータ値の設定により学習の収束が遅れることがあり, 適切なパラメータ値の設定が必要となる。本研究では, シーソーバランシング問題を用いパラメータ値の違いによる学習の収束性について比較を行い, 学習率の自己調節機能を備えた自律ロボットの検証を行う。