画像上での強化学習は多くの訓練画像を必要とするが、画像を低次元の抽象表現にして強化学習する方が効率的であることが示されている。低次元の抽象表現として代表的なものとして変分自己符号化器(以降VAE:Variational Auto Encoder)の潜在空間がある。しかし画像とVAEの潜在空間との間に深層学習が介在しているので、画像と潜在変数の関係が明瞭でなく、潜在変数のサンプリングで強化学習が可能な理由が明らかにできなかった。本稿では、VAEの潜在空間上のサンプリングで強化学習が可能か明らかにして、その理由に基づいて強化学習の効率化を行う。
