段階的にサブゴールを獲得するStepwise Unified Hierarchical Reinforcement Learningの提案

摘要

強化学習とは，エージェントが，観測可能な環境に対する適切な行動系列を確率的に学習する機械学習手法の1つである．エージェントは，設計者が環境に設定した報酬を元に，それを最大にするような行動を選択するように学習する．そのため，試行錯誤的に望ましい行動系列を学習できるが，長期的な戦略を必要とする行動系列の学習は困難であることが知られている．