Glossaryに戻る
アクション蒸留
複雑な教師ポリシー（例：特権状態アクセスを持つ強化学習ポリシー）をより単純な学生ポリシー（例：カメラ画像のみを使用する視覚運動ポリシー）に蒸留する技術。学生は教師のロールアウトに対する動作のクローン作成を通じて訓練される。このニ段階アプローチはシミュレーション・トゥ・リアル転移で一般的である：完全な状態でシミュレーション内で高性能な教師を訓練し、その後、展開可能な視覚ポリシーに蒸留する。
複雑な教師ポリシー（例：特権状態アクセスを持つ強化学習ポリシー）をより単純な学生ポリシー（例：カメラ画像のみを使用する視覚運動ポリシー）に蒸留する技術。学生は教師のロールアウトに対する動作のクローン作成を通じて訓練される。このニ段階アプローチはシミュレーション・トゥ・リアル転移で一般的である：完全な状態でシミュレーション内で高性能な教師を訓練し、その後、展開可能な視覚ポリシーに蒸留する。