Aldo Pacchiano
収録論文 5本 ・ フィジカルAI/ロボット学習
強化学習/報酬設計視覚強化学習進化最適化メタ学習強化学習/アーキテクチャ探索
※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
- ORSO: オンライン報酬選択と方策最適化による報酬設計の加速強化学習/報酬設計2024/10/1
報酬整形関数の選択をオンラインモデル選択問題として定式化し、人間の介入なしに高性能な報酬関数を自動特定する手法を提案。連続制御タスクでデータ効率と計算時間を大幅に改善。
- 効率的注意機構で視覚強化学習を高解像度化する視覚強化学習2021/2/1
効率的な注意アルゴリズムを強化学習に導入し、注意ボトルネック型の視覚エージェントを高解像度入力や小さなパッチ(画素単位)までスケール可能にし、汎化性能を向上させた。
- ES-ENAS:大規模ハイブリッド探索空間のための効率的進化最適化進化最適化2021/1/1
組合せパラメータと連続パラメータが混在する大規模ブラックボックス最適化に対し、進化戦略と組合せ最適化をスーパーネット的に統合したES-ENASを提案し、サンプル効率とRLベンチマークでのアーキテクチャ探索性能を示した。
- ES-MAML:二階微分不要のシンプルなメタ学習メタ学習2019/10/1
進化戦略を用いてMAMLの二階微分推定問題を回避する新しいメタ学習フレームワークES-MAMLを提案し、既存手法と同等以上で少ないクエリで適応できることを示した。
- 彩色ネットワークによる強化学習のためのコンパクトアーキテクチャ探索強化学習/アーキテクチャ探索2019/7/1
ENASと進化戦略を組み合わせ、エッジの彩色(同重みクラス分割)を探索空間として強化学習ポリシーを極限まで軽量化する手法を提案。17パラメータでも良好な報酬を維持し、従来比6倍の圧縮を実現した。
