連続状態空間・連続行動空間での強化学習における状態フィルタの適応的獲得

抄録

強化学習は，実用化に際して，状態空間を予め適切に設計することが難しいという点が問題点の一つとなっている．この点に留意し，エージェントへの状態入力と行動学習の間に状態フィルタを定義・導入した計算モデルについての検討を進めており，エントロピーを用いた状態フィルタの一実現法を提案している．本稿では，提案手法について連続行動空間へ適用範囲の拡張を試みる．