Glossaryに戻る
報酬エンジニアリング
RL訓練のためにロボットの望ましい動作を符号化するスカラー報酬関数を設計するプロセス。優れた報酬エンジニアリングは、意図しないショートカットを導入することなく学習を導く密な反応を提供します。一般的な落とし穴：報酬ハッキング（意図した動作ではなく報酬プロキシを最適化する）と疎な報酬（学習信号が不頻繁）。
RL訓練のためにロボットの望ましい動作を符号化するスカラー報酬関数を設計するプロセス。優れた報酬エンジニアリングは、意図しないショートカットを導入することなく学習を導く密な反応を提供します。一般的な落とし穴：報酬ハッキング（意図した動作ではなく報酬プロキシを最適化する）と疎な報酬（学習信号が不頻繁）。