Up

報酬設計とは

作成: 2026-05-13 更新: 2026-05-14

---

報酬は，ロボットに 　　「どんな行動が良いか（正）」 　　「どんな行動が悪いか（誤）」 を教えるのに，これを数値にしたもの。 この数値の設計が，報酬設計。 ４足歩行ロボットでは，つぎのような ｢目的｣ を立てて，それぞれに報酬を設定する： 　　前に進む 　　転ばない 　　エネルギーを使いすぎない 　　滑らかに歩く 　　段差を越える 　　ロバストに動く（環境変化に強い） そして，これらの報酬のそれぞれに重みをつけて，足し合わせたものを，最終的な報酬 とする。 重みは，人間の経験と試行錯誤がこれを調整。