論文
フィジカルAI関連の最新論文を、日本語のひとことで。原題は英語です。
最新論文: 2024/2/5 / arXivを3時間ごとに自動収集
📖 UMIデバイス・カタログ(日本語版)UMI式データ収集デバイスと主要データセットを日本語で俯瞰 →- 論文強化学習機械学習
PAC-Bayesによる深層探索
強化学習の遅延報酬問題に対し、PAC-Bayes境界を用いて批評家アンサンブルを訓練し、連続制御タスクでの深層探索を実現するPBACを提案。
原題: Deep Exploration with PAC-Bayes / Bahareh Tasdighi, Manuel Haussmann, Nicklas Werge 他
日本語で読む → - 論文強化学習AI
論理仕様に基づく動的タスクサンプリングによる強化学習
高レベルな論理仕様から強化学習エージェントを効率的に学習させるため、環境や報酬機械の事前知識なしに有望なタスクを動的にサンプリングする手法を提案し、グリッドワールドやロボット操作タスクでサンプル効率の向上を示した。
原題: Logical Specifications-guided Dynamic Task Sampling for Reinforcement Learning Agents / Yash Shukla, Tanushree Burman, Abhishek Kulkarni 他
日本語で読む → - 論文強化学習ロボティクス
適応的ポテンシャル関数による連続ロボットリーチングタスクでの強化学習アルゴリズムの強化
連続行動空間の実ロボットリーチングタスクにおいて、適応的ポテンシャル関数とDDPGを組み合わせたAPF-DDPGを提案し、学習速度とロバスト性でDDPGを上回ることを示した。
原題: Boosting Reinforcement Learning Algorithms in Continuous Robotic Reaching Tasks using Adaptive Potential Functions / Yifei Chen, Lambert Schomaker, Francisco Cruz
日本語で読む → - 論文自動運転/強化学習ロボティクス
パラメータ化ソフトアクター・クリティックによるハイブリッド行動空間での裁量的車線変更の意思決定と制御
自動運転の車線変更において、離散的な車線変更決定と連続的な縦方向加速度を同時に出力するパラメータ化ソフトアクター・クリティック(PASAC)を提案し、モデル予測制御(MPC)と性能を比較した。同一の報酬・コスト関数と交通流の下で、両手法とも衝突率0%を達成し、PASACは平均報酬・コストと車速でMPCに匹敵する性能を示した。
原題: Discretionary Lane-Change Decision and Control via Parameterized Soft Actor-Critic for Hybrid Action Space / Yuan Lin, Xiao Liu, Zishun Zheng
日本語で読む → - 論文自動運転/強化学習ロボティクス
Think2Drive: 潜在世界モデルで思考する準リアル自動運転のための効率的強化学習
CARLA v2の複雑な交通シナリオに対応するため、世界モデルを活用したモデルベース強化学習手法Think2Driveを開発し、単一GPUで3日間の訓練で専門家レベルの運転性能を達成した。
原題: Think2Drive: Efficient Reinforcement Learning by Thinking in Latent World Model for Quasi-Realistic Autonomous Driving (in CARLA-v2) / Qifeng Li, Xiaosong Jia, Shaobo Wang 他
日本語で読む → - 論文強化学習機械学習
オフラインActor-Critic強化学習の大規模モデルへのスケーリング
オフラインActor-Critic強化学習がTransformerなどの大規模モデルにスケールし、132の連続制御タスクで行動クローニングを上回ることを示した研究。
原題: Offline Actor-Critic Reinforcement Learning Scales to Large Models / Jost Tobias Springenberg, Abbas Abdolmaleki, Jingwei Zhang 他
日本語で読む → - 論文安全強化学習機械学習
アンサンブルモデル予測型安全認証を用いた強化学習
安全制御器のオフラインデータのみを用い、モデルベース強化学習とチューブ型モデル予測制御を組み合わせて行動を補正し、制約違反を大幅に削減する手法を提案。
原題: Reinforcement Learning with Ensemble Model Predictive Safety Certification / Sven Gronauer, Tom Haider, Felippe Schmoeller da Roza 他
日本語で読む → - 論文強化学習ロボティクス
弾力的な時間ステップによる強化学習
制御周波数を動的に調整する弾力的時間ステップを用いた強化学習アルゴリズムMOSEACを提案し、3Dレースゲームでエネルギー効率とタスク性能の向上を実証した。
原題: Reinforcement Learning with Elastic Time Steps / Dong Wang, Giovanni Beltrame
日本語で読む → - 論文選好ベース強化学習ロボティクス
PREDILECT: 強化学習におけるゼロショット言語推論を用いた選好の明確化
人間の選好とテキストによる追加情報を組み合わせ、大規模言語モデルのゼロショット推論を活用してサンプル効率を高める選好ベース強化学習手法を提案し、社会規範に沿ったナビゲーションで有効性を示した。
原題: PREDILECT: Preferences Delineated with Zero-Shot Language-based Reasoning in Reinforcement Learning / Simon Holk, Daniel Marta, Iolanda Leite
日本語で読む → - 論文安全強化学習制御
多目的方策最適化による安全最適化強化学習
安全性と最適性を同時に最適化する多目的方策最適化ベースのモデルフリー安全強化学習アルゴリズムSORLを提案し、7つのロボット環境で安全性違反を大幅に削減しつつ高い報酬を達成した。
原題: Safety Optimized Reinforcement Learning via Multi-Objective Policy Optimization / Homayoun Honari, Mehran Ghafarian Tamizi, Homayoun Najjaran
日本語で読む → - 論文強化学習ロボティクス
ニューラル方策スタイル転送
深層強化学習の方策にスタイル転送を適用し、内容を保ちつつスタイルを別の方策へ転送するNPSTを提案。
原題: Neural Policy Style Transfer / Raul Fernandez-Fernandez, Juan G. Victores, Jennifer J. Gago 他
日本語で読む → - 論文自動運転/強化学習機械学習
状況に応じた交通ルール例外を学習する情報付き強化学習
構造化されたルールブックを知識源として組み込み、状況認識型の報酬設計で動的な報酬を与えることで、交通ルールの例外が必要な複雑な運転シナリオを強化学習エージェントに学習させる手法を提案した。
原題: Informed Reinforcement Learning for Situation-Aware Traffic Rule Exceptions / Daniel Bogdoll, Jing Qin, Moritz Nekolla 他
日本語で読む → - 論文強化学習AI
知識中心のメタ認知学習
抽象的な知識を強化学習に統合するためのメタ認知メカニズムを提案し、知識獲得と知識に導かれた相互作用を通じて汎化と適応的な行動を実現する枠組みを示した。
原題: Knowledge-Centric Metacognitive Learning / Arun Kumar, Paul Schrater
日本語で読む → - 論文強化学習/模倣学習機械学習
DiffTORI: 深層強化学習と模倣学習のための微分可能な軌道最適化
軌道最適化をポリシー表現として用い、そのコストとダイナミクス関数を微分可能最適化によりエンドツーエンドで学習する手法を提案し、強化学習と模倣学習の両方で従来手法を上回る性能を達成した。
原題: DiffTORI: Differentiable Trajectory Optimization for Deep Reinforcement and Imitation Learning / Weikang Wan, Ziyu Wang, Yufei Wang 他
日本語で読む → - 論文マルチエージェント強化学習cs.MA
混合Q関数法:連続行動空間における協調型マルチエージェント強化学習の価値ベース手法の進展
連続行動空間の協調型マルチエージェント強化学習において、Q関数法を拡張した混合Q関数法(MQF)を提案し、複数の行動を同時評価することでサンプル効率と性能を向上させた。
原題: Mixed Q-Functionals: Advancing Value-Based Methods in Cooperative MARL with Continuous Action Domains / Yasin Findik, S. Reza Ahmadzadeh
日本語で読む → - 論文選好ベース強化学習機械学習
RIME: ノイズを含む選好に頑健な選好ベース強化学習
人間の選好フィードバックにノイズが含まれる場合でも、サンプル選択でノイズを除去しつつ報酬モデルをウォームスタートすることで、ロボット操作や歩行タスクにおける選好ベース強化学習の頑健性を高めた手法。
原題: RIME: Robust Preference-based Reinforcement Learning with Noisy Preferences / Jie Cheng, Gang Xiong, Xingyuan Dai 他
日本語で読む → - 論文強化学習機械学習
倹約アクター・クリティック:ユニーク経験を用いたサンプル効率の良いオフポリシー深層強化学習
リプレイバッファにユニークな経験のみを選択的に追加することで、サンプル効率を高めつつバッファサイズを削減するオフポリシーアクター・クリティック手法を提案し、収束の速さを理論的に証明した。
原題: Frugal Actor-Critic: Sample Efficient Off-Policy Deep Reinforcement Learning Using Unique Experiences / Nikhil Kumar Singh, Indranil Saha
日本語で読む → - 論文オフライン強化学習機械学習
オフライン方策学習を改善するためのデータセットクラスタリング
複数の方策で集められたデータセットを行動ごとにクラスタリングして単一行動のサブセットに分割し、オフライン方策学習の性能を向上させる手法を提案した。
原題: Dataset Clustering for Improved Offline Policy Learning / Qiang Wang, Yixin Deng, Francisco Roldan Sanchez 他
日本語で読む → - 論文強化学習ロボティクス
人間中心設計に基づくUAV捜索救助ミッションの軌道計画:多目的強化学習とAHP・類似性経験リプレイの活用
捜索救助ミッションにおけるUAVの軌道計画に、人間中心の要素(快適性や安全性)を組み込むため、AHPと類似性ベースの経験リプレイを組み合わせた多目的強化学習手法を提案し、性別的手がかりや擬人化が公衆の受容と信頼に与える影響を調査した。
原題: Human-Centric Aware UAV Trajectory Planning in Search and Rescue Missions Employing Multi-Objective Reinforcement Learning with AHP and Similarity-Based Experience Replay / Mahya Ramezani, Jose Luis Sanchez-Lopez
日本語で読む → - 論文マルチエージェント強化学習ロボティクス
多様な運転行動をモデル化するマルチエージェント強化学習による高インタラクティブ自動運転
協調前提のMARLに性格パラメータと協調価値関数を導入し、多様な運転スタイルを模擬して自車の汎化性能を高める手法を提案した。
原題: Learning to Model Diverse Driving Behaviors in Highly Interactive Autonomous Driving Scenarios with Multi-Agent Reinforcement Learning / Liu Weiwei, Hu Wenxuan, Jing Wei 他
日本語で読む → - 論文自動運転/強化学習制御
強化学習による交通流の振動抑制:100台の自動運転車による大規模実証実験
強化学習を用いた自動運転車の制御アルゴリズムを開発し、100台規模の公道実証実験で交通流の平滑化効果を検証した。
原題: Reinforcement Learning Based Oscillation Dampening: Scaling up Single-Agent RL algorithms to a 100 AV highway field operational test / Kathy Jang, Nathan Lichtlé, Eugene Vinitsky 他
日本語で読む → - 論文強化学習/流体構造連成physics.flu-dyn
非同期並列強化学習による鰭条制御の推進性能最適化
流体構造連成環境で鰭条の複雑な制御戦略を獲得するため、非同期並列訓練戦略を備えたオフポリシー深層強化学習を提案し、推進性能を最適化した。
原題: Asynchronous Parallel Reinforcement Learning for Optimizing Propulsive Performance in Fin Ray Control / Xin-Yang Liu, Dariush Bodaghi, Qian Xue 他
日本語で読む → - 論文オフライン強化学習機械学習
決定木回帰によるオフライン強化学習の解法
オフライン強化学習を回帰問題として捉え、決定木を用いた2つの手法(RCDTPとRWDTP)を提案。学習と推論が高速で、既存手法と同等以上の性能を達成。
原題: Solving Offline Reinforcement Learning with Decision Tree Regression / Prajwal Koirala, Cody Fleming
日本語で読む → - 論文強化学習機械学習
REValueD: 分解可能なマルコフ決定過程のための正則化アンサンブル価値分解
高次元離散行動空間での強化学習において、価値分解の過大評価バイアスとターゲット分散の増大をアンサンブルと正則化損失で解決する手法を提案し、DeepMind Control Suiteで有効性を示した。
原題: REValueD: Regularised Ensemble Value-Decomposition for Factorisable Markov Decision Processes / David Ireland, Giovanni Montana
日本語で読む → - 論文階層強化学習機械学習
目標表現における空間的・時間的抽象化の統合
階層強化学習において、空間的抽象化と時間的抽象化を異なる階層レベルで組み合わせた3層アルゴリズムを提案し、複雑な連続制御タスクで有効性を示した論文。
原題: Reconciling Spatial and Temporal Abstractions for Goal Representation / Mehdi Zadem, Sergio Mover, Sao Mai Nguyen
日本語で読む → - 論文強化学習AI
強化学習のための最小で再利用可能な因果状態抽象化の構築
強化学習において、各タスクに必要な変数のみを保持する因果的な状態抽象化を学習する手法CBMを提案し、サンプル効率と汎化性能を向上させた。
原題: Building Minimal and Reusable Causal State Abstractions for Reinforcement Learning / Zizhao Wang, Caroline Wang, Xuesu Xiao 他
日本語で読む → - 論文適応光学/強化学習astro-ph.IM
適応光学制御のためのモデルベース強化学習の実験室検証
ESOのGHOSTテストベンチで、モデルベース強化学習(PO4AO)を適応光学制御に適用し、実験室環境で高い性能を実証した。
原題: Laboratory Experiments of Model-based Reinforcement Learning for Adaptive Optics Control / Jalo Nousiainen, Byron Engler, Markus Kasper 他
日本語で読む → - 論文水中ロボット/強化学習/物体追跡ロボティクス
6自由度水中ロボットにおけるRLベース制御とPID制御の比較:ハイブリッド水中物体追跡
水中物体追跡タスクにおいて、従来のPID制御の代わりに集中型DQN制御器を用いる手法を提案し、Unityシミュレータでその有効性を検証した。
原題: A comparison of RL-based and PID controllers for 6-DOF swimming robots: hybrid underwater object tracking / Faraz Lotfi, Khalil Virji, Nicholas Dudek 他
日本語で読む → - 論文強化学習機械学習
ブラックボックスを開く:時間相関エピソード強化学習のためのステップベース方策更新
エピソード強化学習のブラックボックスを開き、ステップ情報を活用して時間相関を考慮した方策更新を行うTCEを提案。データ効率と滑らかな探索を両立。
原題: Open the Black Box: Step-based Policy Updates for Temporally-Correlated Episodic Reinforcement Learning / Ge Li, Hongyi Zhou, Dominik Roth 他
日本語で読む → - 論文模倣学習/強化学習AI
限られたパイロット実証データで堅牢な敏捷機体制御を実現する模倣学習と強化学習の統合手法
F-16シミュレータで事前学習した操縦生成モデルを、実機の限られたパイロットデータで微調整し、様々な飛行条件や機体パラメータに汎化する手法を提案した。
原題: An Integrated Imitation and Reinforcement Learning Methodology for Robust Agile Aircraft Control with Limited Pilot Demonstration Data / Gulay Goktas Sever, Umut Demir, Abdullah Sadik Satir 他
日本語で読む →
PR・アフィリエイト広告
