지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.3
- 수록면
- 506 - 514 (9page)
- DOI
- 10.5370/KIEE.2021.70.3.506
이용수
초록· 키워드
오류제보하기
Sparse reward environment is the main problems encountered by reinforcement learning. When there are many specific tasks that the agent must go through to reach the final goal, the reward signal becomes very sparse in the environment. And this situation makes reinforcement learning less effective. To overcome this, we give the agent an intrinsic reward to induce the agent to explore more. With this reward setting, the agent can continue to search for reward signal and learn another action that is better than the best action which is currently known. In this paper, we describe the implementation of the proposed method and estimate its performance. For the learning algorithm, we use Proximal Policy Optimization(PPO) and train the agent in a distributed environment. The agent is trained to solve the game of Tetris that is a representative sparse reward problem.
목차
Abstract
1. 서론
2. 희소 보상 환경의 강화학습
3. 학습 환경 및 학습 과정
4. 성능 평가
5. 결론
References
참고문헌 (16)
참고문헌 신청
Sutton, Richard S. / 2018 / Reinforcement learning: An introduction / MIT press
Mnih, Volodymyr / 2015 / Human-level control through deep reinforcement learning / Nature 518(7540):529~533
Espeholt, Lasse / 2018 / IMPALA: Scalable distributed deep-RL with importance weighted actor-learner architectures / International Conference on Machine Learning
Andrychowicz, Marcin / 2017 / Hindsight experience replay / Advances in Neural Information Processing Systems
Kaiser, Łukasz / 2019 / Model based reinforcement learning for atari / International Conference on Learning Representations
Mnih, Volodymyr / 2015 / Human-level control through deep reinforcement learning / Nature 518(7540):529~533
Espeholt, Lasse / 2018 / IMPALA: Scalable distributed deep-RL with importance weighted actor-learner architectures / International Conference on Machine Learning
Andrychowicz, Marcin / 2017 / Hindsight experience replay / Advances in Neural Information Processing Systems
Kaiser, Łukasz / 2019 / Model based reinforcement learning for atari / International Conference on Learning Representations
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
희소 보상 환경을 위한 강화학습 게임 에이전트
대한전기학회 학술대회 논문집
2020 .07
-
강화 학습에 나타나는 희소 보상 문제를 해결하는 기법들
정보 및 제어 논문집
2021 .04
-
D2S: 강화학습을 이용한 매니퓰레이터 제어를 위한 보상 빈도 기반의 커리큘럼 학습 개발
제어로봇시스템학회 국내학술대회 논문집
2021 .06
-
강화 학습 에이전트의 개성 부여를 유도하는 내재적 보상 방법 연구
대한전자공학회 학술대회
2022 .06
-
Goal-Directed Navigation in Sparse Rewards via Visual Information
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
Cooperative Multi-Agent Reinforcement Learning for Global Reward
대한산업공학회 추계학술대회 논문집
2018 .11
-
성찰적 강화학습 : 희소 보상 환경에서의 학습
한국정보과학회 학술발표논문집
2017 .06
-
강화학습의 트리 탐색 기반 종단간 소프트 Q러닝
한국통신학회논문지
2023 .01
-
Reward Shaping for a Reinforcement Learning Method-Based Navigation Framework
한국정보통신학회 종합학술대회 논문집
2022 .10
-
Analysis of Reinforcement Learning Rewards for Time and Energy Optimization
대한기계학회 춘추학술대회
2024 .06
-
아타리 게임에 대한 내재적 보상을 이용한 강화학습 알고리즘
대한전자공학회 학술대회
2022 .06
-
서로 다른 학습 기반을 적용한 강화학습에서의 보상 방법에 관한 연구
한국정보과학회 학술발표논문집
2018 .06
-
Reducing Societal Cost with Autonomous Vehicles: Multi-Agent Reinforcement Learning with Adaptive Reward
한국통신학회 학술대회논문집
2024 .06
-
강화 학습에 나타나는 희소 보상 문제를 해결하는 기법들
대한전기학회 워크샵
2021 .04
-
액션게임의 융합적 난이도보상에 관한 연구
멀티미디어학회논문지
2021 .07
-
The Risks and Rewards of the Future of Transportation
대한전자공학회 학술대회
2016 .06
-
Generating Multi-agent Patrol Areas by Reinforcement Learning
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
Enhancing Autonomous Robot Navigation based on Deep Reinforcement Learning: Comparative Analysis of Reward Functions in Diverse Environments
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
High Path Converging Reward Space: Imitating Human Behavior in Robot Arm Control
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
자율주행차량을 위한 강화학습 보상 함수에 관한 연구
한국통신학회 학술대회논문집
2025 .02
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0