深層強化学習モデルで人間が力の入れ具合を調節するように連続的に出力の強度を調節する方法はあるのでしょうか？

Question

前提・実現したいこと

一般的に自分の知っている範囲では、action spaceを増やし出力の強度を調節する方法はありますが、
それではaction spaceを増やしすぎると学習がうまく行かなくなり、
更に離散的で連続的に出力の強度の調節を行うことができません。

そこで、人間が力の入れ具合を調節するように連続的に出力の強度を調節する方法はあるのでしょうか？

具体的にPendulumを例に上げると、以下の表のように5段階で出力強度を調整する方法などが見られます。
しかし、これを-2.0~2.0の間で適切な出力強度を選択できるようなアルゴリズムは存在しているかということです。
Pendulumのwiki

action number	Joint effort
0	-2.0
1	-1.0
2	0.0
3	+1.0
4	+2.0

存在しないと完全に断言できなくてもいいので、一般的に見られないのかを教えていただければありがたいです。

Answer 1

これを-2.0~2.0の間で適切な出力強度を選択できるようなアルゴリズムは存在しているかということです。

深層強化学習で連続的な行動空間 (action space) を扱えるアルゴリズムが存在するかという質問でしたら、存在します。

例えば、DDPG (deep deterministic policy gradient) のような方策勾配法ベースのアルゴリズムです。Github で検索すると、実装例も出てきます。
質問の例ですと、モデルの出力は [-2, 2] の実数になります。

以下の記事に著名な深層強化学習のアルゴリズムが紹介されています。

深層強化学習アルゴリズムまとめ - Qiita