強化学習による衛星姿勢制御 — 古典PIDを超えるRobust Control
衛星の姿勢制御は、教科書の中では「3軸の独立したPIDで十分」と語られがちです。...
RLHFの仕組みを3ステップで完全理解する
RLHF（Reinforcement Learning from Human F...
強化学習PPOで衛星姿勢制御を学習させる — 理論と実装
地球観測衛星のカメラを目標地点に向ける、深宇宙探査機のアンテナを地球に正確に指向...
PPO（Proximal Policy Optimization）の理論と実装
PPO（Proximal Policy Optimization）はOpenAI...