今までは行動空間(アクション)は離散値を扱っていましたが、今回は連続値を扱いと思います。

第3回　価値推定編(TD法、モンテカルロ法、GAE)

※ネット上の情報をかき集めて自分なりに実装しているので正確ではない可能性がある点はご注...

過去に集めたデータのみを用いて強化学習を行うオフライン強化学習に注目が集まっています．ではオフライン強化学習は，オンラインで環境と作用し学習する一般的な強化学習と比べてどのようなメリットや，技術的な違いがあるのでしょうか？

本記事で...

概要

　土木の分野では、機械の制御（ダムの制御）や都市開発（交通×AI）などで、強化学習が使われ始めています。初めてニューラルネットワークを用いて強化学習を構築する場合、最初に構築するアルゴリズムは、やはり深層Q学習(DQN)だ...

初めに

OpenSpielとは

DEEPMINDが作成した研究者向けの強化学習フレームワークのOSSです。マルチエージェントRLの研究の促進や研究の再現性の向上を目的としています。
主にPythonとC++で書かれていますが、G...

以前はStableBaselinesを使っていましたが、ニューラルネットワークの構造をいじりにくいことやアルゴリズムに手を加えにくいと思っていました。ネットワークにAttentionを加えるだけでも一苦労でした。

そもそもTenso...

これまで色々見聞きしてきてて忘れそう（というか忘れているのもいくつかありそう）なので、メモとして残しておきます。
今後もここに記録していこうかと思います。みなさんも他にご存知の環境があれば教えていただきたいです。


OpenAIgy...