Pierre-François Massiani
収録論文 1本 ・ フィジカルAI/ロボット学習
安全強化学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 安全な価値関数:安全性と最適性を両立するペナルティ設計の理論安全強化学習2021/5/1
強化学習で失敗へのペナルティを報酬に加える手法について、安全性と最適性の関係を厳密に解析し、両立する「安全な価値関数」の十分条件とペナルティの構造を明らかにした理論研究。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
強化学習で失敗へのペナルティを報酬に加える手法について、安全性と最適性の関係を厳密に解析し、両立する「安全な価値関数」の十分条件とペナルティの構造を明らかにした理論研究。
PR・アフィリエイト広告