紹介する論文 Bridging the Gap Between Value and Policy Based Reinforcement Learning 概要 on-policyの学習の安定性とoff-policyのサンプル効率の高さを備えた手法 エントロピー正則化強化学習の考え方に基づいた時に導き出される，価値関数と政策関数の…

「arxivAPIを叩いてsummaryをとってきて，その翻訳結果をSlackに投げる」という内容のブログが既に多く公開されています． ただ，Pythonのarxivライブラリを用いて処理を行なっているものが見当たらなかったため，これを用いて簡単に行う方法を掲載します． …

紹介する論文 Reverse Curriculum Generation for Reinforcement Learning 概要 目標地点付近で目標を達成しやすい状態を初期状態とする（徐々に初期位置に近づける） 逆順に学習を行うことで，最終ゴールを知ることができ，局所解に陥りにくくなる 単純な初…