[3Win5-14] Decision TransformerによるAtariゲームAIの画像処理データ拡張評価
キーワード：強化学習、Transformer、Atari、データ拡張、画像処理
オンライン強化学習（RL）において，画像処理に基づくデータ拡張は，モデルを様々な観測に触れさせることで，データの多様性とサンプル効率を向上させる．対照的に，オフラインRLは固定されたデータセットに依存するため，データセットの多様性が性能の重要な要因となる．オフラインRLにおいて画像拡張が有益かどうかは未解決の問題である．本研究では，回転や平行移動などの画像処理技術を適用し，Decision Transformerの学習データを拡張することでRLにおけるデータ多様性を向上させる．Atari Breakout環境で拡張データセットとクリーンデータセットを比較することにより，いくつかの画像処理手法がスコアを大幅に減少させることを発見した．この結果は，オフラインRLにおける効果的なデータ拡張には，重要なゲーム文脈を保持し，元のデータ分布との整合性を維持しながら多様性を増加させることが重要であることを示唆している．
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。