Glossaryに戻る
制御ポリシ（ロボット）
ロボット学習では、制御ポリシ（π で表記）は観測を行動にマッピングする関数です：π(o) → a。制御ポリシはロボットの学習された「脳」であり、各タイムステップで知覚に基づいて何をするかを決定します。制御ポリシはニューラルネットワーク（ニューラル制御ポリシ）、決定木、ガウス過程、またはルックアップテーブルとして表現できます。決定的（観測ごとに1つの行動）または確率的（行動の分布）にすることができます。制御ポリシの品質は、訓練デモンストレーション上だけでなく、多様な条件全体でのタスク成功率によって測定されます。ロボット学習の中核的な課題は、訓練分布を超えて確実に汎化する制御ポリシを訓練することです。 実践例を参照：当社の実世界評価 →