オーガナイズドセッション

[2Q1-OS-27a] 強化学習の新展開

2023年6月7日(水) 09:00 〜 10:40 Q会場 (601)

オーガナイザ：太田宏之、甲野佑、高橋達二

+全てマイスケジュールに登録

09:00 〜 09:20

[2Q1-OS-27a-01] 内在的強化学習の理論

報酬に質を導入する

〇高橋達二^1,2 (1. 東京電機大学、2. 理化学研究所革新知能統合研究センター)

09:20 〜 09:40

[2Q1-OS-27a-02] 方策とモデルのエントロピ正則を導入したオフラインモデルベース模倣学習

〇内部英治¹ (1. 国際電気通信基礎技術研究所)

09:40 〜 10:00

[2Q1-OS-27a-03] 非マルコフ環境と経験再生

〇太田宏之¹、樋口滉規²、高橋達二²、石塚俊晶¹ (1. 防衛医科大学校、2. 東京電機大学)

10:00 〜 10:40

[2Q1-OS-27a-04] (OS招待講演) 逐次意思決定における諸問題設定と問題に関する事前知識が性能保証に及ぼす影響について

〇小津野将¹、北村俊徳²、市原有生希^3,4、萩原誠⁵ (1. オムロンサイニックエックス株式会社、2. 東京大学、3. 奈良先端科学技術大学院大学、4. 株式会社国際電気通信基礎技術研究所、5. (株)pluszero)

オーガナイズドセッション

[2Q4-OS-27b] 強化学習の新展開

2023年6月7日(水) 13:30 〜 15:10 Q会場 (601)

オーガナイザ：太田宏之、甲野佑、高橋達二

+全てマイスケジュールに登録

13:30 〜 13:50

[2Q4-OS-27b-01] 報酬最大化を目的とする行動計画・実行・対話・推論の統一的制御機構

〇一杉裕志¹、中田秀基¹、高橋直人¹、竹内泉¹、佐野崇² (1. 産業技術総合研究所、2. 東洋大学)

[[オンライン]]

13:50 〜 14:10

[2Q4-OS-27b-02] 深層強化学習における目的志向探索

〇甲野佑^1,2、久米淳¹、池田龍司³、高橋達二¹ (1. 東京電機大学理工学部、2. 株式会社ディー・エヌ・エー、3. 東京電機大学大学院)

14:10 〜 14:30

[2Q4-OS-27b-03] 強化学習における結果模倣

〇北出伶奈¹、和田拓真²、甲野佑¹、高橋達二¹ (1. 東京電機大学、2. 東京電機大学大学院)

14:30 〜 14:50

[2Q4-OS-27b-04] Gaussian 分布の報酬への自然強化学習の拡張

〇小河将真¹、有村柊一²、高橋達二¹、甲野佑¹ (1. 東京電機大学理工学部、2. 東京電機大学大学院)

14:50 〜 15:10

[2Q4-OS-27b-05] 強化学習を用いた現代型モバイルゲーム『逆転オセロニア』のトップレベル対戦 AI

〇大渡勝己¹、後藤優太²、甲野佑¹、田中一樹¹ (1. 株式会社ディー・エヌ・エー、2. 東京農工大学)

セッション一覧

オーガナイズドセッション » OS-27 強化学習の新展開