Up パラメータ値の更新 作成: 2026-05-17
更新: 2026-06-29
４足歩行ロボット ＞ 他律型 ＞ 運動脳 ＞ 訓練 ＞ パラメータ値更新ム

    パラメータθに対し，目的関数 L^CLIP(θ) をつぎのように定義した：
    　 　L^CLIP(θ) ＝ E_(τ, t) [
    　　　min( R_(τ,t) A_(τ,t), clip( R_(τ,t),1−ϵ,1+ϵ ) A_(τ,t) ) ]

    パラメータ値θの更新は，
    　　｢目的関数 L^CLIP(θ) を最大にするように，
    　　　勾配降下（実際には「上昇」）を行う」
    　　θ+ α ∇_θ L^CLIP(θ) → θ_new