Qinghai Miao
収録論文 1本 ・ フィジカルAI/ロボット学習
選好ベース強化学習
※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
- RIME: ノイズを含む選好に頑健な選好ベース強化学習選好ベース強化学習2024/2/1
人間の選好フィードバックにノイズが含まれる場合でも、サンプル選択でノイズを除去しつつ報酬モデルをウォームスタートすることで、ロボット操作や歩行タスクにおける選好ベース強化学習の頑健性を高めた手法。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※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。
人間の選好フィードバックにノイズが含まれる場合でも、サンプル選択でノイズを除去しつつ報酬モデルをウォームスタートすることで、ロボット操作や歩行タスクにおける選好ベース強化学習の頑健性を高めた手法。
PR・アフィリエイト広告