G検定（ジェネラリスト検定） ディープラーニングの応用例 練習問題 第41問: 強化学習やロボットの制御で使われる状態表現学習に関する説明として、最も適切なものはどれか。

肢2が正解です。状態表現学習の総説（Lesort ほか, 2018年）は、状態表現学習を、学習する特徴が低次元で、時間とともに変化し、エージェントの行動の影響を受ける表現学習の一種と説明しています。

エージェントの行動が生む環境の変化をとらえるため、ロボットや制御の場面に特に適しているとしています。また、低次元であることが次元の呪いを和らげ、人にも解釈しやすく、強化学習などの方策の学習の性能と速さの改善に役立つとしています。

肢1は次元を増やすとしている点が逆です。

肢3は、行動の影響を受ける特徴をとらえる点と、ロボットの制御への応用を目的とする点の両方で誤りです。

肢4は報酬成形の説明で、状態表現学習とは別の手法です。