一言でいうと

熟練者の行動をまねるように学習させる、模倣学習についてのサーベイ。最新の研究というよりは、基礎的な手法が丁寧にまとめられている。限られた熟練者の行動を、学習＋生徒の行動を矯正する形で使うDAgger(性能がいい)についてOpenAI Gymを使った検証結果もまとめられている

論文リンク

https://arxiv.org/abs/1801.06503

著者/所属機関

Alexandre Attia, Sharone Dayan

• MVA
• ENS Paris-Saclay

投稿日付(yyyy/MM/dd)

2018/1/19

概要

新規性・差分

手法

結果

コメント