Shahil Shaik
Clemson University
収録論文 3本 ・ フィジカルAI/ロボット学習
強化学習マルチエージェント強化学習
※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
- 理由タグで人間の選好を学習する強化学習強化学習2026/10/16
選好ラベルに加えて「なぜ好まれるか」の理由タグを活用し、人間の意図に沿った報酬モデルを軌道レベルで学習する枠組みを提案した論文。
- MA-VLCM: マルチエージェントチーム設定における方針価値推定のための視覚言語批評モデルマルチエージェント強化学習2026/3/1
マルチエージェント強化学習において、学習済み視覚言語モデルを微調整して中央批評家として用いることで、方針学習中の批評家学習を不要にし、サンプル効率と汎化性を向上させるフレームワークを提案した。
- 分布方策勾配のための一般化アドバンテージ推定強化学習2025/7/1
最適輸送理論に基づくワッサースタイン型方向性指標を用いて、分布強化学習向けの一般化アドバンテージ推定(DGAE)を提案し、複数の方策勾配法に統合して性能を評価した論文。
