Ku Onoda
The University of Tokyo
収録論文 2本 ・ フィジカルAI/ロボット学習
世界モデル強化学習
※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
- 世界モデルは何回の経験で未知のゲームルールを学べるか世界モデル2026/11/9
ARC-AGI-3のゲームで、視覚トランスフォーマー型世界モデルがテスト時にパラメータ更新しながら未知のメカニクスを予測する能力を評価し、約80回の観測で半数が高精度に学習できることを示した。
- 「微分可能シミュレータはより良い方策勾配を与えるか」は本当により良い方策勾配を与えるか?強化学習2026/4/1
方策勾配強化学習における微分可能モデルの利点と不連続ダイナミクスによるバイアス問題を再検討し、軽量な推定器切替法DDCGと分散制御法IVW-Hを提案して実用的な性能を評価した。
