Chongyi Zheng
収録論文 6本 ・ フィジカルAI/ロボット学習
強化学習ワールドモデル歩行模倣学習
※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
- 価値強制:全ノイズレベルでリターン分布を整合させる新手法強化学習2026/11/1
フローマッチングでリターン分布を推定し、全ノイズレベルでベルマン整合性を課すことで、限られたデータでも正確な価値学習を可能にする手法を提案。
- 行動影響最大化による制御可能なワールドモデルの学習ワールドモデル2026/10/19
専門家デモのみで学習した動画生成ワールドモデルが指示行動を無視する問題を、データの行動影響度の上限として解析し、その影響度を能動的に高めるデータ収集アルゴリズムAIMを提案。操作タスクで少ないデータ量でも制御性を大幅改善。
- 占有報酬整形:オフライン目標条件付き強化学習におけるクレジット割り当ての改善強化学習2026/4/1
生成世界モデルから最適輸送を用いて幾何学的情報を抽出し、報酬関数を整形することで、スパース報酬環境でのクレジット割り当て問題を緩和する手法を提案。13の長距離タスクで2.2倍の性能向上を実証し、核融合制御にも応用。
- 単一表現で全ての報酬を最適化することは本当に可能か?強化学習2026/2/1
強化学習における教師なし事前学習の理論的理解を深め、後退・前進表現学習の新しい変種を提案し、ゼロショット性能を大幅に改善した。
- 汎用動物模倣器:多様な運動事前分布による俊敏な移動歩行2023/10/1
動物の運動を模倣しつつ手動設計の運動も取り入れた強化学習フレームワークVIMを提案し、脚式ロボットが単一の制御器で走る・曲がる・跳ぶ・バク宙など多様な俊敏移動スキルを実世界で同時に学習できるようにした。
- BridgeData V2: 大規模ロボット学習のためのデータセット模倣学習2023/8/1
低コストロボットで24環境・6万軌道を収集した大規模多様データセットを公開し、模倣学習やオフライン強化学習の性能がデータ量とスキル多様性で向上することを示した。
