Glossaryに戻る
制御ポリシ蒸留
大規模または複雑な制御ポリシ（教師）を、より小さく高速な制御ポリシ（生徒）に圧縮し、生徒がKL発散最小化を通じて教師の行動分布に一致するように訓練すること。制御ポリシ蒸留は以下に使用されます：リアルタイム展開のためのRL制御ポリシの圧縮、シミュレーションから実ハードウェアへの転移、複数の特化した制御ポリシの1つへの統合。
大規模または複雑な制御ポリシ（教師）を、より小さく高速な制御ポリシ（生徒）に圧縮し、生徒がKL発散最小化を通じて教師の行動分布に一致するように訓練すること。制御ポリシ蒸留は以下に使用されます：リアルタイム展開のためのRL制御ポリシの圧縮、シミュレーションから実ハードウェアへの転移、複数の特化した制御ポリシの1つへの統合。