フローマッチング
2つの状態の分布の間を、なめらかに移り変わる“流れ”として表し、その対応を学ぶ考え方。データの変化の道筋をつかむのに使われる。
たとえば: 出発地から目的地までの人の流れを、時間とともに連続的に追いかけて道筋を覚える感じ。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- フローポリシーをオフポリシーで強化学習する手法「QF3」の提案
QF3はフローポリシーをオフポリシーで学習するオンラインRL手法。フローマッチングにcriticのaction gradientを組み合わせ、更新をリプレイ近傍の次元に限定する。ヒューマノイドでFPO++比10xの壁時計時間高速化を報告する。
