## Memo ## Abstract 我々は、[[深層強化学習]](RL)の新規かつタイムリーな応用領域を提示し、調査する。インターネットの輻輳制御である。輻輳制御は、ネットワーク容量を効率的に利用するためにトラフィックソースのデータ転送速度を調整する中核的なネットワークタスクであり、ライブビデオ、仮想現実、Internet-of-Thingsなどのインターネットサービスの出現に伴い、広く注目されているテーマである。本発表では、輻輳制御をRLとして捉えることで、データトラフィックとネットワーク状況の複雑なパターンを捉えた深いネットワークポリシーを学習し、これを活用することで最先端技術を凌駕することができることを明らかにする。また、RLベースの輻輳制御を実世界で採用する際に直面する重要な課題として、公平性、安全性、汎化などを挙げ、これらは従来のRL形式では対応しきれないものであることを強調しました。さらに研究を進め、我々の結果の再現性を高めるために、OpenAI Gymインターフェースに基づくRL-guided輻輳制御のテストスイートを提示する。 [[2019__ICML__A Deep Reinforcement Learning Perspective on Internet Congestion Control__translations]]