Bezpečné autonomní posilované učení
Safe Autonomous Reinforcement Learning
Typ dokumentu
disertační prácedoctoral thesis
Autor
Martin Pecka
Vedoucí práce
Svoboda Tomáš
Oponent práce
Piater Justus
Studijní obor
Umělá inteligence a biokybernetikaStudijní program
Elektrotechnika a informatikaInstituce přidělující hodnost
vidění pro roboty a autonomní systémyPráva
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
Zobrazit celý záznamAbstrakt
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.
Zobrazit/
Kolekce
- Disertační práce - 13000 [743]