モデルフリー
環境の詳しい仕組み(どう変化するかの式)を用意せず、試行から得た経験にもとづいて学ぶ方式。予測用の内部モデルを前提にしない。
たとえば: 自転車の乗り方を、物理法則を学ぶより先に、練習して体で覚える感じ。
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
- 安全フィルタを学習で償却する「FAITH」:高次元ロボット向けSafe RLの提案
FAITHは、安全と性能の競合を避けるため行動実行時に安全フィルタをかける枠組みを提案する。解析的モデル不要で安全価値を近似し、介入を最小にするフィルタをニューラルネットで償却する。安全行動がない場合も害を小さくする行動へ寄せるという。
