Offline Skill Graph (OSG): A Framework for Learning and Planning using Offline Reinforcement Learning Skills

要約

強化学習は、対戦型ゲームでの成功により幅広い関心を集めています。
しかし、日常的な用途（産業、家庭、医療など）での採用は限られています。
このペーパーでは、オフライン スキルを計画し、現実世界の環境で複雑なタスクを解決するためのフレームワークを提示することで、この制限に対処します。
私たちのフレームワークは 3 つのモジュールで構成されており、これらを組み合わせることで、エージェントが以前に収集したデータから学習し、それを一般化して長期的なタスクを解決できるようになります。
複雑なタスクを解決するために必要なロボット アームでテストすることで、私たちのアプローチを実証します。

要約(オリジナル)

Reinforcement Learning has received wide interest due to its success in competitive games. Yet, its adoption in everyday applications is limited (e.g. industrial, home, healthcare, etc.). In this paper, we address this limitation by presenting a framework for planning over offline skills and solving complex tasks in real-world environments. Our framework is comprised of three modules that together enable the agent to learn from previously collected data and generalize over it to solve long-horizon tasks. We demonstrate our approach by testing it on a robotic arm that is required to solve complex tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google