Rein Houthooft
収録論文 4本 ・ フィジカルAI/ロボット学習
コーディングエージェント強化学習強化学習探索強化学習ベンチマーク
※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
- ANTE: 予測してから実行——検証済み信念からコーディングエージェントの内部世界モデルを学習コーディングエージェント2026/10/11
コーディングエージェントが行動前に結果を予測し、その予測を実実行で検証して信用度を学習する強化学習フレームワークANTEを提案。SWE-bench Verifiedで大幅な性能向上を達成。
- パラメータ空間ノイズによる探索強化学習2017/6/1
強化学習の探索において、行動空間ではなくエージェントのパラメータにノイズを加える手法を提案し、DQN・DDPG・TRPOで従来の行動空間ノイズや進化戦略より効率的に学習できることを示した。
- 変分情報最大化による探索手法VIME強化学習探索2016/5/1
環境ダイナミクスに関する信念の情報利得を最大化する探索戦略を提案し、ベイズニューラルネットの変分推論で連続状態・行動空間に効率的に適用できるようにした。
- 連続制御のための深層強化学習ベンチマーク強化学習ベンチマーク2016/4/1
連続制御タスクの標準ベンチマークを構築し、複数の強化学習アルゴリズムを体系的に評価した論文。
