В последнее время активно развивается такое направление машинного обучения, как обучение с подкреплением. Как следствие предпринимаются попытки использования обучения с подкреплением для решения задач компьютерного зрения, в частности для решения задачи классификации изображений. Задачи компьютерного зрения являются на сегодняшний день одними из наиболее актуальных задач искусственного интеллекта.

В статье предложен метод классификации изображений в виде глубокой нейронной сети с использованием обучения с подкреплением. Идея разработанного метода сводится к решению задачи о контекстном многоруком бандите с помощью различных стратегий достижения компромисса между эксплуатацией и исследованием и алгоритмов обучения с подкреплением. Рассмотрены такие стратегии, как -жадная, -softmax, -decay-softmax и метод UCB1, и такие алгоритмы обучения с подкреплением, как DQN, REINFORCE и A2C. Проведен анализ влияния различных параметров на эффективность работы.

Предложен и экспериментально верифицирован воспроизводимый гибридный подход к обучению автономного управления роботизированным устройством, реализованный на общедоступном инструментарии без специализированного вычислительного оборудования. Подход сочетает обучение на основе демонстраций оператора, обучение с подкреплением, учебный план и доменную рандомизацию в единой последовательной схеме. На основе сравнительного анализа пяти прототипов, представляющих ключевые классы архитектурных решений, выявлены применимые подходы для ресурсно-ограниченных условий. Три контролируемых эксперимента в Unity ML-Agents показали превосходство гибридной комбинации в сравнении с изолированными подходами по скорости обучения и устойчивости к изменениям среды. Обозначены ограничения, связанные с катастрофическим забыванием, и выявлены перспективы интеграции больших языковых моделей для генерации синтетических обучающих данных.