汎用かつ再利用可能な方策に基づく階層強化学習

• Project/Area Number: 23K28140
• Project/Area Number (Other): 23H03450 (2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2023)
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related; Basic Section 60030:Statistical science-related; Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
• Research Institution: The University of Tokyo
• Principal Investigator: 鶴岡 慶雅 東京大学, 大学院情報理工学系研究科, 教授 (50566362)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥17,680,000 (Direct Cost: ¥13,600,000、Indirect Cost: ¥4,080,000); Fiscal Year 2025: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000); Fiscal Year 2024: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000); Fiscal Year 2023: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
• Keywords: 強化学習 / 階層強化学習 / 言語モデル / スキル

Outline of Research at the Start

本研究プロジェクトでは、現実世界の意志決定問題、特に、完了までに多くのステップを必要とする長期タスクに対する深層強化学習の有効性を向上させるため、そのような問題に対して有効な階層強化学習手法の確立を目指す。具体的には、多様で有効なスキルを自動的に獲得し、さらにそれらを再利用可能にすることや、大規模言語モデルから得られる言語情報を活用することなどを通してエージェントの学習効率および汎化能力の向上を目指す。