最大エントロピー半教師あり逆強化学習
arXiv cs.LG / 2026/4/23
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、見習い学習（apprenticeship learning）を逆強化学習（IRL）の問題として定式化し、最大エントロピー原理を用いるアプローチを扱っています。
- 専門家の軌跡に加えて、学習者が追加の未ラベル（未監督）軌跡を利用できる半教師ありの設定に焦点を当てています。
- 著者らは、軌跡に対するペアワイズなペナルティによって未監督データを最大エントロピーIRLへ統合することで、MaxEnt-IRLと半教師あり学習を組み合わせた新手法MESSIを提案しています。
- 実験（高速道路の運転シナリオとグリッドワールド）では、MESSIが未監督軌跡を活用して標準のMaxEnt-IRLより高い性能を示すことが報告されています。
