Qinqing Zheng
収録論文 4本 ・ フィジカルAI/ロボット学習
強化学習/LLM報酬生成モデル強化学習オフライン強化学習
※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
- 大規模言語モデルフィードバックによる意思決定エージェントのためのオンライン内的報酬強化学習/LLM報酬2024/10/1
LLMのフィードバックを非同期で利用し、RL方策と内的報酬関数を同時に学習する分散アーキテクチャONIを提案。NetHackで最先端性能を達成し、大規模オフラインデータセットを不要にした。
- ガイド付きフローによる生成モデリングと意思決定生成モデル2023/11/1
Flow Matchingに分類器なしガイダンスを統合したGuided Flowsを提案し、条件付き画像生成や音声合成、オフライン強化学習の計画生成で高性能と高速化を実現した。
- 双対強化学習:強化学習と模倣学習の統一と新手法強化学習2023/2/1
強化学習と模倣学習の既存手法を双対問題として統一的に捉え、その制約を解消する新手法ReCOILとf-DVLを提案し、ロボットの移動・操作タスクで性能向上を実証した。
- 行動なし軌道を用いた半教師ありオフライン強化学習オフライン強化学習2022/10/1
ラベル付き軌道から逆動力学モデルを学習し、ラベルなし軌道に代理ラベルを付与することで、オフライン強化学習を半教師あり設定で行う手法を提案し、その有効性を検証した。
