Mudit Verma
収録論文 6本 ・ フィジカルAI/ロボット学習
強化学習人間とロボットの相互作用Human-AI協調/強化学習人ロボット協働
※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
- 人間の選好に基づく報酬学習のための後知恵PRIOR強化学習2024/4/12
選好ベース強化学習において、世界モデルで状態の重要度を推定し、報酬を状態重要度に比例させる補助目的を導入することで、クレジット割り当て問題を改善し、歩行・操作タスクでの性能と報酬復元を向上させた。
- 人間とロボットの相互作用における大規模言語モデルの心の理論能力:幻想か?人間とロボットの相互作用2024/1/1
ロボットの行動を人間がどう知覚するかをLLMに推測させる「知覚行動認識」タスクを設定し、人間被験者実験と比較してLLMの心の理論能力を検証した。
- 人間の柔軟性を報酬選好で取り込むHuman-AIチーミングHuman-AI協調/強化学習2023/12/21
マルチエージェント環境での選好ベース強化学習(PbRL)をHuman-AI協調ゲームとして初めて定式化し、人間の柔軟性とエージェントの人間方策へのアクセスがチーム性能に与える影響をロボット歩行タスクで評価した。
- 状態拡張による人間の選好を用いた強化学習強化学習2023/2/17
人間の選好フィードバックから報酬モデルを学習する際、状態拡張により不変性を導入して性能を向上させる手法を提案し、複数タスクで有効性を示した。
- 未ラベルデータを活用したフィードバック効率の良い人間選好ベース強化学習強化学習2023/2/1
人間の選好フィードバックを用いた強化学習において、エージェントが収集した未ラベル軌道を報酬学習に活用する2つの損失関数を提案し、歩行とマニピュレーションタスクでベースラインPEBBLEより高いサンプル効率と報酬復元性能を示した。
- 信頼を考慮した計画:反復的な人とロボットの協働における信頼の変化のモデル化人ロボット協働2021/5/1
人間が監督者となる反復的な人ロボット協働において、人間の信頼とロボットへの期待をロボットの計画に組み込み、信頼を構築・維持する計算モデルを提案し、被験者実験で検証した論文。
