Akifumi Wachi
収録論文 9本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 生涯安全を保証するエンドツーエンド安全強化学習手法安全強化学習2025/5/1
オフライン安全RLと安全な方策展開を統合し、学習から運用まで生涯にわたり安全性を保証する手法を提案。
- マルチゲーム決定トランスフォーマーのための目標リターン最適化オフライン強化学習2025/3/1
オフラインデータのみからゲームごとの目標リターンを自動設定するMTROを提案し、マルチゲーム決定トランスフォーマーの性能を追加学習なしで向上させた。
- 二値フィードバックを用いた長期安全強化学習安全強化学習2024/1/1
二値の安全フィードバックと未知の確率的遷移を持つ制約付きMDPにおいて、各エピソードで安全な状態行動ペアのみを高い確率で実行することを保証する安全強化学習アルゴリズムLoBiSaRLを提案した。
- 強化学習における安全な探索:一般化定式化とアルゴリズム安全強化学習2023/10/1
強化学習の安全な探索問題を統一的に定式化し、制約違反を高確率で防ぎながら方策を最適化するメタアルゴリズムMASEを提案した。
- 局所一般化線形近似を用いた安全方策最適化安全強化学習2021/11/1
センサーから得られる局所特徴と報酬・安全性の関係を一般化線形関数で学習しつつ、安全性と最適性の理論保証付きで方策を最適化するSPO-LFを提案した論文。
- 一階論理によるニューロシンボリック強化学習ニューロシンボリックRL2021/10/1
テキスト観測とConceptNetから一階論理の事実を抽出し、論理ニューラルネットワークで解釈可能な方策を学習する強化学習手法を提案。TextWorldで収束が大幅に高速化。
- LOA: テキストベース対話ゲームのための論理的最適行動ニューロシンボリック強化学習2021/10/1
ニューラルネットワークと記号知識獲得を組み合わせたニューロシンボリックな強化学習エージェントLOAを提案し、テキストベースゲームでの対話型デモと獲得知識の可視化を提供する。
- 未知の安全制約下での安全強化学習アルゴリズムSNO-MDP安全強化学習2020/8/1
未知の安全制約を持つマルコフ決定過程において、安全領域を拡大しながら制約を学習し、その後に累積報酬を最適化するSNO-MDPを提案し、理論保証と実験で有効性を示した論文。
- ルールベースエージェントの失敗シナリオを生成するマルチエージェント敵対的強化学習と自動運転への応用マルチエージェント強化学習2019/3/1
ルールベースエージェントを失敗させる敵対的エージェントをマルチエージェント強化学習で訓練し、自動運転シミュレータで有効性を示した研究。
