Up 訓練アルゴリズム 作成: 2026-05-14
更新: 2026-05-17

    訓練には多くの手法があるが，ロボットでよく使われるのはつぎの 3つ：
    1. PPO（Proximal Policy Optimization）
    　　最もよく使われる
    　　安定して学習できる
    　　４足歩行ロボットの標準

    2. SAC
    　　滑らかな動作が得意
    　　エネルギー効率の良い動きが得意
    　　ロボットアームでよく使われる

    3. TD3
    　　精密な制御が得意
    　　ノイズに強い
    　　実機ロボットで使われることが多い


    本テクストは，訓練を PPO の場合で論じる。