情報処理学会 第79回全国大会講演要旨

我々の研究グループでは、人の認知バイアスを応用した強化学習手法である「LS-Q」を提案している。これまでの研究成果として、鉄棒ロボットの運動獲得をテスト課題として、LS-Qの実環境における有効性が明らかになっている。一方、鉄棒ロボットの状態遷移は複雑であるため、学習過程を詳細に観察することは不向きで、LS-Qの特性には不明な点が多くある。本研究では、より単純で解析が容易な「ツリーバンディット課題」にLS-Qを適用し、その学習能力を検証した。シミュレーションの結果、状態ごとの報酬の設定値の差が小さい場合や、学習の途中で報酬の設定値を変更した場合でも、LS-Qは適応的に学習できることが確認された。