With RLKR🤗

프로젝트/GAIL 하자

2. Algorithms for Inverse Reinforcement Learning

Author: 이동민 Date: January 28, 2019 Inverse RL 1번째 논문 Author : Andrew Y. Ng, Stuart Russell Paper Link : http://ai.stanford.edu/~ang/papers/icml00-irl.pdf Proceeding : International Conference on Machine Learning (ICML) 2000 0. Abstract 이 논문은 Markov Decision Processes에서의 Inverse Reinforcement Learning(IRL)을 다룹니다. 여기서 IRL이란, observed, optimal behavior이 주어질 때 reward function을 찾는 것입니다. IRL은 두 가지 장점이..

이벤트

2021 RLKR Drone Delivery Challenge with Unity

안녕하세요! RLKorea 여러분! RLKorea 운영진입니다! 2021년 11월 ~ 12월 7일까지 약 한달하고도 일주일 동안 진행된 2021 RLKR Drone Delivery Challenge with Unity를 진행했습니다! 본 대회는 강화학습 알고리즘으로 드론이 물류창고의 물품들을 배송지로 빠르고 안전하게 배송할 수 있도록 학습시키는 것을 목표로 하였으며 Drone Delivery라는 산업적인 이슈를 Unity Simulator로 다뤄보는 챌린지였습니다. 챌린지의 깃허브는 다음과 같습니다! https://github.com/reinforcement-learning-kr/2021_RLKR_Drone_Delivery_Challenge_with_Unity GitHub - reinforcement-l..

이벤트

나 혼자 RL 한다

안녕하세요! RLKorea 여러분! RLKorea 운영진입니다! 2020년 11월 14일 온라인으로 진행된 “나 혼자 RL한다” 행사의 영상이 유튜브에 모두 업로드 되었습니다!! 연사분들께서 정말 좋은 내용으로 강화학습을 다양한 분야에 적용하신 사례들에 대해서 발표해주셨는데요!! 각 발표에 대한 링크는 다음과 같습니다! 1. 비디오 게임과 멀티에이전트 강화학습 (연사: 정규열님): https://youtu.be/37kAsu0Clno 비디오 게임을 개발하면서 강화학습의 필요성을 느낀 계기와 이를 위해 멀티 에이전트 연구 내용 및 경험들을 소개합니다. 2. Real world! 학습 문제있어!? (연사: 김경환님): https://youtu.be/ObaLnYXYh-g 게임이나 시뮬레이터가 아닌 real wo..

프로젝트/GAIL 하자

1. Let's do Inverse RL Guide

Author: 이동민, 이승현 Date: January 22, 2019 0. Inverse RL의 세계로 반갑습니다! 저희는 Inverse RL을 흐름을 살펴보기 위해 모인 IRL 프로젝트 팀입니다. 강화학습에서 reward라는 요소는 굉장히 중요합니다. 왜냐하면 agent라는 아이가 유일하게 학습할 수 있는 요소이기 때문입니다. 일반적으로 강화학습에서는 사람이 reward를 일일히 정해주지만, 실제로 그 reward에 따라 "desirable" action이 나오지 않을 수도 있습니다. 여기서 생각해볼 수 있는 것이 바로 "expert"의 행동을 통해 reward를 찾는 것입니다. 저희는 Andrew Ng의 논문인 Linear IRL과 Pieter Abbeel의 논문인 APP를 필두로 하여 MMP, M..

RLKorea
'분류 전체보기' 카테고리의 글 목록 (7 Page)