Kai Zhao
収録論文 6本 ・ フィジカルAI/ロボット学習
世界モデルマルチエージェント強化学習RLHF強化学習ナビゲーション
※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
- Sub-JEPA: 部分空間ガウス正則化による安定なエンドツーエンド世界モデル世界モデル2026/5/10
JEPA世界モデルの学習崩壊を防ぐため、埋め込み空間全体ではなく複数のランダム部分空間にガウス事前分布を課す手法を提案し、連続制御タスクで既存手法を大きく上回る性能を示した。
- OPTIMA: 協調を考慮した自動運転車を実現するインテリジェントマルチエージェントシステム向け最適化ポリシーマルチエージェント強化学習2024/10/1
接続自動運転車の協調タスク向けに、環境との相互作用からのデータサンプリングとマルチエージェント強化学習を交互に行う分散学習フレームワークOPTIMAを提案し、安全性と効率性を両立させる。
- Uni-RLHF:多様な人間フィードバックを用いた強化学習のための汎用プラットフォームとベンチマークスイートRLHF2024/2/1
多様な人間フィードバックを扱うRLHFのための注釈プラットフォーム、大規模クラウドソーシングデータセット、モジュール式オフラインRLHFベースラインを提供する統合システムを構築し、30以上のタスクで1500万ステップを超えるデータを収集して評価した。
- ENOTO: Qアンサンブルによるオフラインからオンラインへの強化学習の改善強化学習2023/6/1
Qネットワークを複数用意するアンサンブル手法で、オフライン事前学習からオンライン微調整への移行時の性能低下を防ぎ、学習効率と最終性能を高めるフレームワークを提案。
- 人間らしいナビゲーションのための閉ループ知覚・意思決定・推論機構ナビゲーション2022/7/1
人間のナビゲーションを模倣し、推論過程を加えて知覚・意思決定・推論の二段階閉ループを形成することで、未知環境への適応性とロバスト性を高めたナビゲーション手法を提案。
- VUCA環境での自律ナビゲーションのための階層型マルチエキスパート学習ナビゲーション2021/11/1
中枢神経系に着想を得て、上位層で地図探索と経路計画、下位層で衝突回避と直進のバランスを取る階層型マルチエキスパート学習を提案し、脚式・車輪式ロボットの実機実験で既存手法を上回る性能を示した。
