プラントの存在確率を考慮した強化学習

抄録

プラントを推定して強化学習を行うとき，実プラントはある確率分布に従って推定されたプラントの周りに存在する．そこで，このプラント集合に対し，その存在確率に基づいてコストを定義する．このコストを最小化することでプラント集合全体に対してプロパーで，性能の優れた方策を獲得する学習法を提案する．また，ロボットによるペグ・イン・ホールタスクに適用することで，提案手法の有効性を示す．