Paavo Parmas
収録論文 2本 ・ フィジカルAI/ロボット学習
強化学習モデルベース強化学習
※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
- 「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。
- PIPPS:カオスの呪いに対抗する柔軟なモデルベース方策探索モデルベース強化学習2019/2/1
非線形計算の連鎖が引き起こすカオス的な勾配問題を解析し、再パラメータ化勾配の脆弱性を示した上で、尤度比勾配を活用した柔軟なモデルベース方策探索フレームワークPIPPSと、全経路微分を効率的に統合するtotal propagationアルゴリズムを提案した。
