本田机器人专利JPA_2010134907.pdfVIP

(57)【要約】

【課題】エージェントが複雑な動作を伴うタスクを実行

するための行動方策を学習することができる強化学習シ

ステムを提供する。

【解決手段】本発明の強化学習システム１によれば、環

境から得られる第１報酬ｒ(ｔ)に応じて定まる、第１

1

学習器１２１による学習結果としての第１価値関数Ｖ1

の時間微分である第１価値勾配関数ｄＶ／ｄｔの値が

1

第２学習器１２２による学習、すなわち、第２報酬ｒ(

2

ｔ)の評価に際して活用され、第２報酬ｒ(ｔ)に基づい10

2

てロボットＲがタスクを実行するために採るべき行動方

策が決定される。

【選択図】図３

-1-

(2)

【特許請求の範囲】

【請求項１】

エージェントがタスクを実行するための行動方策を学習するための強化学