認知的な強化学習モデルに対する基準学習の応用と考察

抄録

単純な強化学習課題であるN本腕バンディット問題において，価値関数でありながら方策としても機能する緩対称性推論モデル(LS)が存在する．LSは人間認知由来の主観確率モデルでもあり，環境の曖昧さからの推論に長けている．浦上はその性質を活かしたLS強化学習手法を考案し，複雑な運動制御課題で優れた成績を示した．本研究では，前述の手法に甲野のLS改良モデル(LS-VR)を実装し，更なる成績の向上を行なった．