Bezpečné autonomní posilované učení
Safe Autonomous Reinforcement Learning
Type of document
disertační prácedoctoral thesis
Author
Martin Pecka
Supervisor
Svoboda Tomáš
Opponent
Piater Justus
Field of study
Umělá inteligence a biokybernetikaStudy program
Elektrotechnika a informatikaInstitutions assigning rank
vidění pro roboty a autonomní systémyRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Technika posilovaného učení již nesčetněkrát prokázala svou užitečnost v robotice a dalších aplikacích strojového učení. Dovoluje učit strategie řízení robotů bez přesné znalosti, jaká akce je ve kterém stavu ideální. K nalezení optimální strategie stačí dodat funkci užitku a několikrát systém spustit. Reinforcement Learning is a technique proven by uncountable use-cases in the robotics community and many other machine-learning fields. It allows training optimal decision policies without knowing precisely which actions are the best at any given moment. A reward function and some number of policy rollouts suffice to estimate the best decision policy.
View/ Open
Collections
- Disertační práce - 13000 [736]