ロボット移動経路の人間嗜好に合わせた効率的なクエリ生成手法の提案

ロボットの移動経路を人間の嗜好に合わせて最適化するために、行動多様性を持つアンサンブルポリシーを用いたクエリ生成手法を提案する。この手法により、少数のクエリで効率的に人間の嗜好を学習できる。