Up

試行

作成: 2026-06-13 更新: 2026-06-13

---

４足歩行ロボット ＞ 基礎研究型 ＞ 運転脳 ＞ 訓練 ＞ ＞ 試行

訓練は，試行の繰り返し。 試行 (エピソード) は, 「いまの状況で F/R/L のどれを選ぶべきか｣ の試行。 １試行は，つぎのフロー： 　　　 状態 s_0 → 行動 a_0 → 報酬 r_0 　　→ s_1 → a_1 → r_1 → s_2 → ‥‥　　 状態 s_t は， 　｢行路からどれだけズレているか」 　　ロボットの向き（行路に対して何度ズレているか） 　　行路との横ずれ量 　｢障害物の位置」 　　障害物までの距離 　　障害物の左右どちらに寄っているか 行動 a_t は， 　　　F / R / L から１つを択ぶ 報酬 r_t は， 　　行路に近づく → +1 　　行路から離れる → -1 　　障害物に近づきすぎる → -5 　　障害物に衝突 → -100 　　行路に沿って前進できた → +5 エピソードの終了 　つぎのいずれかでエピソード終了： 　　障害物に衝突した 　　行路から大きく外れた 　　一定ステップ数を超えた（タイムアウト）