Active Exploration for Inverse Reinforcement Learning

要約

逆強化学習 (IRL) は、エキスパートのデモから報酬関数を推測するための強力なパラダイムです。
多くの IRL アルゴリズムは、既知の遷移モデルと、場合によっては既知のエキスパート ポリシーを必要とするか、少なくとも生成モデルへのアクセスを必要とします。
ただし、これらの仮定は、順次対話によってのみ環境にアクセスできる多くの実際のアプリケーションには強すぎます。
新しい IRL アルゴリズムを提案します。逆強化学習 (AceIRL) のアクティブな探索です。これは、未知の環境とエキスパート ポリシーを積極的に探索して、エキスパートの報酬関数をすばやく学習し、適切なポリシーを特定します。
AceIRL は、以前の観測を使用して、もっともらしい報酬関数をキャプチャする信頼区間を構築し、環境の最も有益な領域に焦点を当てた探索ポリシーを見つけます。
AceIRL は、環境の生成モデルを必要としない、サンプルの複雑さの境界を持つアクティブ IRL への最初のアプローチです。
AceIRL は、アクティブな IRL のサンプル複雑度を最悪の場合の生成モデルと一致させます。
さらに、AceIRL のサンプルの複雑さを特定の IRL 問題の準最適ギャップに関連付ける問題依存の境界を確立します。
シミュレーションで AceIRL を経験的に評価し、より単純な探索戦略よりも大幅に優れていることがわかりました。

要約(オリジナル)

Inverse Reinforcement Learning (IRL) is a powerful paradigm for inferring a reward function from expert demonstrations. Many IRL algorithms require a known transition model and sometimes even a known expert policy, or they at least require access to a generative model. However, these assumptions are too strong for many real-world applications, where the environment can be accessed only through sequential interaction. We propose a novel IRL algorithm: Active exploration for Inverse Reinforcement Learning (AceIRL), which actively explores an unknown environment and expert policy to quickly learn the expert’s reward function and identify a good policy. AceIRL uses previous observations to construct confidence intervals that capture plausible reward functions and find exploration policies that focus on the most informative regions of the environment. AceIRL is the first approach to active IRL with sample-complexity bounds that does not require a generative model of the environment. AceIRL matches the sample complexity of active IRL with a generative model in the worst case. Additionally, we establish a problem-dependent bound that relates the sample complexity of AceIRL to the suboptimality gap of a given IRL problem. We empirically evaluate AceIRL in simulations and find that it significantly outperforms more naive exploration strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google