Ruyi An
収録論文 2本 ・ フィジカルAI/ロボット学習
オフライン強化学習意思決定ベンチマーク
※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
- 拡散ポリシーで誘導する拡散プランナーによるオフライン強化学習オフライン強化学習2026/11/7
拡散ポリシー(価値志向だが近視眼的)と拡散プランナー(長期志向だが振る舞い依存)をプランナーの実行段階で統合し、逆動力学の事前分布を価値最適化ポリシーで置き換えるDPDPを提案。D4RLで性能向上を実証。
- System1-Arena:どの意思決定をSystem 1に任せられるか意思決定ベンチマーク2026/10/15
System-1モデルとSystem-2モデルの意思決定能力を比較するベンチマークを提案し、非エージェントタスクでは大規模System-1が高速LLMに匹敵する一方、閉ループ環境では大規模オープンLLMが優位であることを示した。
