David Ireland
収録論文 1本 ・ フィジカルAI/ロボット学習
強化学習
※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
- 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強化学習2024/1/16
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。
世界のフィジカルAIを、日本語で。
収録論文 1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。
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。
PR・アフィリエイト広告