連続行動空間への適用を考慮したSwitching強化学習

二次元連続行動空間への適用

抄録

強化学習は，実用性といった観点から，状態空間や行動空間を予め適切に設計す ることが難しい． この点に留意し，状態空間および行動空間を共に適応的構成する計算モデルにつ いての検討を進めており，これまで，状態空間を固定した上で，行動空間に対する適応的構成を試みるため，Q-learningとActor-Criticを用いた切り替え型の強化学習法を提案している． 本稿では，2次元行動空間を有するロボットナビゲーション問題を対象とした計 算機実験を通して，提案手法の有効性・可能性について検討する．