自己組織化特徴マップに基づいた時系列パターンのための確率的連想メモリによる強化学習を用いたロボットの行動学習

摘要

部分観測マルコフ決定過程(POMDPs : PartiallyObservable Markov Decision Processes) 環境においても決定的な政策を学習することのできる手法として，POMDPs 環境のための決定的政策を学習するProtSharing[1] が提案されている．この手法では，過去の観測の系列を用いることで，同じ観測に対して複数の行動をとる必要がある場合にも適切な行動を選択することができる．また，ニューラルネットワークを用いた強化学習に関する様々な研究も行われており，そのような手法のひとつとして自己組織化マップに基づいた時系列パターンのための確率的連想メモリによる強化学習[2] が提案されている．