John Langford
収録論文 7本 ・ フィジカルAI/ロボット学習
世界モデル少数ショット学習VLAオフラインRL表現学習強化学習推薦システム
※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
- 次潜在予測トランスフォーマーによるコンパクトな世界モデルの学習世界モデル2025/11/8
トランスフォーマーに潜在空間での次状態予測を自己教師ありで学習させ、履歴を圧縮した信念状態を持つコンパクトな世界モデルを獲得させる手法を提案。
- Premier-TACO:時間的行動駆動型対照損失によるマルチタスク表現の事前学習と少数ショット方策学習少数ショット学習2024/2/1
マルチタスクのオフラインデータから時間的行動対照損失(TACO)を改良して汎用的な視覚表現を事前学習し、少数の専門家デモンストレーションで微調整することで、新しい連続制御タスクの少数ショット模倣学習を効率化する手法を提案。
- PcLast: 計画可能な連続潜在状態の発見VLA2023/11/1
到達可能な状態をまとめて表現する潜在空間を学習し、目標条件付き計画と方策学習を効率化する手法を提案。
- エージェント制御表現:豊富な外生情報を用いた原理的なオフライン強化学習オフラインRL2022/11/1
複雑で時間依存な外生情報を含む視覚的観測から、マルチステップ逆モデルを用いて制御に必要な表現を学習するオフラインRL手法ACROを提案し、ベンチマークで有効性を示した。
- 制御に本質的な潜在状態を保証付きで発見するマルチステップ逆モデル表現学習2022/7/1
マルチステップ逆モデルと情報ボトルネックにより、制御に必要な情報だけを含む最小の潜在状態を理論保証付きで発見する手法AC-Stateを提案し、報酬や実演なしでの自己位置推定・探索・ナビゲーションを実現した。
- 二重ロバスト方策評価と学習強化学習2011/3/1
報酬モデルと過去方策モデルのどちらかが良好なら精度を保証する二重ロバスト手法を文脈付きバンディットの方策評価・最適化に適用し、分散低減と方策改善を実証した。
- 文脈付きバンディットによるニュース推薦アルゴリズムの偏りのないオフライン評価推薦システム2010/3/1
シミュレータを使わず、ログデータを再生するだけで文脈付きバンディット推薦アルゴリズムを偏りなくオフライン評価する手法を提案し、Yahoo!の実データで有効性を示した論文。
