ホーム / 深層学習 / ドメイン適応型強化学習 Machine learning Deep learning / NLP / CV
ドメイン適応型強化学習 ドメイン適応型強化学習（DARL）は、標準的な強化学習（RL）を拡張したもので、ある環境またはドメインで訓練されたポリシーが、異なるが関連するターゲットドメインに効果的に転移し、汎化できるようにします。これは、訓練と展開の間でダイナミクス、観測、または報酬構造が異なる「ドメインシフト問題」に対処するため、アライメント、適応、またはドメインランダム化技術を通じて、ターゲットドメインでの高価な経験収集の必要性を低減します。
ScholarGate Machine learning v1 2 出典 PUBLISHED このページを引用 → 🔒 相談する ▶ MethodMindで開く 近日公開 ☆ マイライブラリに追加 ► 動画 近日公開 ▷ 聴く ⤓ PDF として保存 ▦ スライドをダウンロード 基本情報
Originator Multiple contributors (Taylor & Stone 2009 survey; Kim et al. 2020 among key formalizations)
Year 2009–2020
Type Transfer-based RL paradigm
DataType State-action trajectories from source and target domains
Subfamily Deep learning / NLP / CV このページの内容 手法の全文を読む 会員限定 無料アカウントでログインすると、このセクションを読めます。
ログイン
手法マップ 関連する手法の近傍 — ノードを選択して探索できます。
出典 Kim, K., Kim, H., Lim, H., & Choi, J. (2020). Domain Adaptive Reinforcement Learning with Model-Based Approach. arXiv preprint arXiv:2102.03170. link ↗ Domain adaptation. Wikipedia. link ↗ このページの引用方法 APA BibTeX RIS コピー
ScholarGate. (2026, June 3). Domain-Adaptive Reinforcement Learning. ScholarGate. https://scholargate.app/ja/deep-learning/domain-adaptive-reinforcement-learning
BibTeXをダウンロード RISをダウンロード
どの手法を選ぶ？ この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する → このページに誤りを見つけましたか?報告・修正提案 →
ScholarGate — Domain-adaptive reinforcement learning (Domain-Adaptive Reinforcement Learning). 2026-06-15に以下より取得 https://scholargate.app/ja/deep-learning/domain-adaptive-reinforcement-learning · データセット: https://doi.org/10.5281/zenodo.20539026