#Sim-to-Real

強化学習入門 2026年9月3日

強化学習の基礎 — MDP・ベルマン方程式・探索と活用をロボットで理解する

強化学習を「正解ラベルを当てる学習」ではなく、観測から行動を選び、遅れて返る報酬を最大化する閉ループとして捉える。MDP、価値関数、方策、ベルマン方程式、探索と活用、シミュレーション実装までをロボットの例で図解する。

入門 · 13分 強化学習入門 2026年9月3日

モデルベース強化学習とSim-to-Real入門

世界モデル、予測誤差、MPC、Domain Randomization、安全監視を通じ、学習した方策を実機へ移す方法を解説する。

入門 · 8分 強化学習入門 2026年9月3日

方策勾配・PPO・SAC入門 — 連続行動を安定して学ぶ

連続した操舵角や関節トルクを扱うため、方策を直接更新する方策勾配法からActor-Critic、PPO、SACまでをつなげて解説する。クリッピング、エントロピー正則化、評価指標、Sim-to-Realの安全境界を図と式で整理する。

入門 · 10分