Отрывок: : Policy Gradient Algorithms) [6]. Центральной особенностью SAC является регуляризация энтропии. Политика настраивается так, чтобы максимизировать компромисс между ожидаемой доходностью и энтропией, характеризующей меру случайности в политике. Такой подход тесно связан с идеей поиска компромисса между разведкой и эксплуатацией [7], позволяет предотвратить преждевременную сходимость политики к плохому локальному оптимуму. 3. ЭКСПЕРИМЕНТЫ И РЕЗУЛЬТАТЫ ...
Название : | Влияние состава наблюдений окружающей среды в задаче приобретения навыков передвижения в трехмерном пространстве при использовании алгоритмов обучения с подкреп |
Авторы/Редакторы : | Козлов Д. А. Мясников В. В. |
Дата публикации : | 2022 |
Библиографическое описание : | Козлов, Д. А. Влияние состава наблюдений окружающей среды в задаче приобретения навыков передвижения в трехмерном пространстве при использовании алгоритмов обучения с подкреплением / Д. А. Козлов, В. В. Мясников // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 041502. |
Аннотация : | В работе исследуется влияние состава наблюдений окружающей среды на процесс обучения «двуногого» мехатронного объекта навыкам передвижения в трёхмерном пространстве. Исследования проводятся всреде игрового движка Unity с использованием пакета ML-Agents. В качестве алгоритма обучения был выбран SoftActor Critic, как один из наиболее эффективных современных алгоритмов обучения с подкреплением (RL),показавший наибольшую эффективность на наборе аналогичных задач. Показано, что состав наблюденийможет радикально менять скорость обучения и даже замедлять процесс обучения при наличии «избыточных»данных. |
Другие идентификаторы : | RU\НТБ СГАУ\491078 |
Ключевые слова: | MDP Unity ML-Agents SAC POMDP виртуальная симуляция робототехника машинное обучение с подкреплением наблюдения окружающей среды |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-041502.pdf | 909.02 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.