Scott Sanner
収録論文 6本 ・ フィジカルAI/ロボット学習
世界モデル方策最適化転移学習強化学習模倣学習
※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
- OPINE-World: オントロジー誤差優先の対話的探索によるARC-AGI-3向けプログラム的世界モデリング世界モデル2026/7/1
LLMエージェントが環境との相互作用からオブジェクト中心のプログラム的世界モデルをオンライン学習する手法を提案し、ARC-AGI-3ベンチマークで高い性能を達成した。
- 制約生成方策最適化(CGPO):混合離散連続MDPにおける方策最適化のための非線形計画法方策最適化2024/1/1
混合離散連続MDPにおいて、解釈可能な方策クラスを対象に、最悪ケース軌道を敵対的に生成しながら非線形計画で方策を最適化する枠組みを提案した論文。
- 後継特徴量を用いたリスク考慮型強化学習の転移転移学習2021/5/1
報酬の分散でリスクを測り、後継特徴量を拡張してリスクを考慮した方策転移を可能にする手法を提案し、ナビゲーションとロボットアーム制御で有効性を示した。
- ε-BMC:モデルフリー強化学習におけるε-greedy探索のベイズアンサンブル手法強化学習2020/7/1
Q値関数の一様性指標としてεをベイズ的に解釈し、ベイズモデル結合に基づく閉形式更新でεを定数時間・単調収束保証付きで適応させるε-BMCを提案した論文。
- 複数専門家のデモンストレーションを安全に再利用するベイズ経験リプレイ模倣学習2020/6/1
複数の専門家のデモデータをベイズニューラルネットで不確実性モデリングし、二次計画問題で専門家モデルの確率分布を求めてデモをサンプリング・再利用する手法を提案。
- 深層混合エキスパートによる文脈依存方策転移転移学習2020/3/1
複数のシミュレーションで学習した方策を実世界に転移するため、状態に応じてソースタスクのダイナミクスを混合エキスパートで推定し、モデルフリー学習者へ文脈的に知識転移する手法を提案した。
