Reinforcement Learning in der Roboter-Navigation

Die Entwicklung intelligenter Systeme, die selbstständig lernen komplexe Aufgaben zu lösen, ist eine zentrale Forschungsaufgabe auf dem Gebiet des Maschinellen Lernens. Das Lernen aus eigenen Erfahrungen ohne vorgegebene Lösungswege trägt zur zunehmenden Popularität des Reinforcement Learnings bei. In diesem Buch wird der SARSA-Algorithmus zur simulierten Roboter-Navigation auf Basis diskreter und stetiger Zustandsräume beschrieben und die Wirkungen der Lernparameter auf das Lernverhalten untersucht. Für stetige Zustandsräume kommt das Linear Gradient-Descent-SARSA-Verfahren unter Verwendung des Tile-Codings zum Einsatz. Experimente geben Einblick in das Lernverhalten in unterschiedlichen Umwelten und stärken gleichzeitig das Verständnis für die Arbeitsweise dieser Algorithmen. Die Frage, welche Stellgrößen beschleunigend wirken, wird ebenfalls beantwortet. Das Buch richtet sich an all diejenigen, die sich über die grundlegende Theorie des Reinforcement Learnings informieren oder einen tieferen Einblick in die Wirkungsweise des SARSA-Algorithmus gewinnen möchten.

Anne Wolter, Dipl.-Inform.: Studium der Angewandten Informatik an der Universität Duisburg-Essen.