효율적인 다중태스크 오프라인 모델기반 강화학습 알고리즘에 대한 연구

홈 > 연구문헌 >

한글제목(Korean Title)	효율적인 다중태스크 오프라인 모델기반 강화학습 알고리즘에 대한 연구
영문제목(English Title)	A Study on Efficient Task Offline Model-based Reinforcement Learning
저자(Author)	김건형 장영수 이종민 김기웅 Goen-Hyeong Kim Youngsoo Jang Jongmin Lee Kee-Eung Kim
원문수록처(Citation)	VOL 48 NO. 02 PP. 0590 ~ 0592 (2021. 12)
한글내용 (Korean Abstract)	오프라인 강화학습은 사전에 수집된 데이터로부터 환경과의 추가적인 상호작용 없이 정책을 학습하는 것을 목표로 한다. 하지만 이러한 프레임워크에서는 단일 태스크에서 사전에 많은 데이터가 수집되어 있어야 한다는 제약이 있으며, 이를 완화하기 위해 다양한 태스크에서 수집된 데이터들을 활용하는 다중태스크 오프라인 강화학습 문제를 생각해 볼 수 있다. 본 논문에서는 이러한 다중태스크 오프라인 강화학습 문제에서 다른 태스크의 데이터를 효율적으로 활용하는 모델기반 강화학습 알고리즘을 제안한다. 제안하는 알고리즘인 MT-OMBRL은 태스크 사이의 동역학 정보를 공유하여 각 태스크를 독립적으로 해결하는 오프라인 강화학습 알고리즘 대비 뛰어난 성능을 보인다.
영문내용 (English Abstract)
키워드(Keyword)
파일첨부	PDF 다운로드

사이트맵