Reward occurence probability vector space that Visualizes the distribution of whole learning results of multi-objective reinforcement learning

• Project/Area Number: 20K11946
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Nara National College of Technology
• Principal Investigator: 山口 智浩 奈良工業高等専門学校, 情報工学科, 教授 (00240838)
• Co-Investigator(Kenkyū-buntansha): 高玉 圭樹 電気通信大学, 大学院情報理工学研究科, 教授 (20345367) ; 市川 嘉裕 奈良工業高等専門学校, 情報工学科, 助教 (60805159)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Project Status: Granted (Fiscal Year 2020)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: 多目的強化学習 / 報酬生起確率ベクトル / 部分計算 / 多目的最適方策集合 / 熟達モデル

Outline of Research at the Start

本研究の目的は，機械学習の出力に対する根拠や理由を説明できる機構を多目的強化学習で実現し，その有効性を検証することである．具体的には，これまでの申請者らの基盤研究(C)研究で得られた成果を発展させ，多目的強化学習における学習結果全ての分布を熟達モデルとして可視化・説明する空間を構築し，目的間の任意の重みに対応した多目的最適方策を自動選択する機構の実現を目指す．