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60問: 接触や摩擦を含み物理モデルで表しにくいロボットの制御で使われる残差強化学習（Johannink ほか, arXiv 2018年）の説明として、最も適切なものはど

「従来のフィードバック制御で効率よく解ける部分と残りに分け、残りを強化学習で解き、両方の制御信号を足し合わせる手法である」が適切です。Johanninkらの論文は、接触や摩擦を含み物理モデルで表しにくい製造の制御問題を、従来のフィードバック制御で効率よく解ける部分と、強化学習で解く残差に分け、最終的な方策を両方の制御信号の重ね合わせとしました。

実機のブロックの組立てでは、人が設計した制御器では失敗する条件でも作業を学習できたと報告しています。「組み合わせずに…一から学習する」は、論文が比較の相手にした制御器なしの強化学習です。

「ResNetのスキップ結合」は、残差という名前からの取り違えです。「物理パラメータや見た目を無作為に変えて」は、ドメインランダマイゼーションの説明です。

残差とは、従来の制御器が扱いきれない残りの部分を指す点を押さえましょう。