Sim2Real・オフライン強化学習覚えうた

Sim2Realは シミュレーションから 現実への橋渡し ドメインランダマイゼーション はランダム化による 現実への適応 オフライン強化学習は 環境とのやり取りなし 固定データのみ使った 安全な学習 シミュレーションは 危険・高コストなときの 仮想環境　Sim2Realは シミュレーションで学習した モデルを現実に適用 時間やコスト、安全性の 問題を解決 リアリティギャップは シミュレーションと 現実の違いで性能が落ちる問題 ドメインランダマイゼーション はパラメータを ランダムに変化させて学習 現実環境をバリエーション のひとつと認識させる 光、色、摩擦などをランダム化 し現実とのギャップを埋める ドメイン適応は シミュレーションと現実の 分布差を埋める考え方 オフライン強化学習は 新たなデータを収集しない あらかじめ収集された ログから学習する手法 自動運転やロボット制御など 危険を伴うタスクに適している オンライン強化学習は 環境と相互作用し試行錯誤する