著者らは、垂直運動を伴う倒立振り子の安定化のために、リアプノフ特性指数（LCE）を密報酬信号として使用することを提案する。このアプローチにより、強化学習エージェントは標準的な振動解を超えた複雑な安定化行動を発見できる。

  • LCEは強化学習タスクのための物理情報付き密報酬として機能する。
  • エージェントはカピツァ振り子の特徴である振動運動を正常に特定した。
  • この手法により、エージェントは振り子の揺れを減衰させ、厳密な直立状態を実現できる。