広島で開催された，ロボティクス・メカトロニクス講演会2019（Robomech2019）で，
「フラクタルリザーバコンピューティングを用いた４脚ロボットの階層強化学習」
「双曲割引型強化学習の提案」
というタイトルで発表しました．
１つめの内容は昨年度修了した学生の研究でして，知識を最大限に再利用するための工夫として継続学習と階層学習を組み合わせたものになっています． 簡単な下位タスクから順番に学習していくシンプルな学習カリキュラムに従うだけで，知識を蓄積していきより複雑な上位タスクを実行可能になります．
２つめの内容は従来の強化学習の収益の定義を見直すもので，ヒトの意思決定モデルに用いられる双曲割引を取り入れた収益の定義とその学習法についてまとめています． 報酬（＋罰）関数の設計次第でパフォーマンスが大きく変わることが示唆されており，認知科学的側面だけでなく実用性の期待もできます．