Markov Decision Process 的程式範例
前言之前跟大家介紹過 Markov Decision Process（MDP） 的原理跟數學推導 還有 在 Human-Robot Interaction 上的應用，今天我們就帶大家透過一個程式來體驗實作上的細節。有興趣的讀者可以透過這個例子將這個程式應用到機器人上！ 快速複習 MDP 的基本概念在進入問題之前，我們先簡單複習一下 MDP，首先是 MDP 的定義： 然後，假設已經知道在每個 state 會獲得多少 reward，我們就
如何用 Markov Decision Process 描述 Human-Robot Interaction 問題
前言上次我們介紹了 Markov Decision Process 的基本概念，雖然上次有簡單提到 MDP 的應用，但並不是很詳細，所以今天我們想嘗試把 MDP 跟 Human-Robot Interaction 問題連結起來，一起來看怎麼從一個簡單的 insight 出發，加上 MDP 的數學基礎，最後形成一篇嚴謹的論文 ( Human-Robot Interactive Planning using Cross-Training:
簡介 Markov Decision Process 與其應用
前言今天想跟大家介紹一個在 Reinforcement Learning 中相當重要的基礎 - Markov Decision Process（MDP）。比起一般的 search，MDP 能夠 model 更複雜的問題，今天就讓我們來介紹 MDP 的基礎觀念，還有他的應用跟限制。 MDP 想要 model 什麼問題？MDP 想要處理的問題是：當你採取的 action 不會完全如你所想的達到你想要的 state，你該如何採取 action