オンラインで計画、オフラインで学習:モデルベース制御による効率的な学習と探索
要約を読む要約を閉じる
OpenAIがモデルベース強化学習手法「Plan online, learn offline」を発表しました。
環境モデルをオンラインで計画に使い、オフラインで学習することで、少ない実環境インタラクションで効率的な学習を実現します。
ロボット制御やシミュレーション環境でのAI学習が、より迅速かつ安全に進められるようになります。
次に、このモデル内で計画を立て、その計画から得られた経験をオフラインで学習に利用します。
これにより、実際の環境とのインタラクションを最小限に抑えつつ、効率的にスキルを習得できます。