Soovadeep Bakshi
収録論文 2本 ・ フィジカルAI/ロボット学習
強化学習/報酬モデリング群制御
※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
- プランナーにおけるグッドハート:サンプリングベース制御は人間選好から学習した報酬を悪用する強化学習/報酬モデリング2026/11/6
人間の選好から学習した報酬モデルに対するMPPIやbest-of-N探索が、真の目的関数を最大76%悪化させることを実証し、スコアラ誤差に基づく温度設定のχ²正則化MPPIが最悪ケースで最適であることを証明した論文。
- AMR群向けオークション型タスク割り当てとエネルギー考慮軌道最適化群制御2026/3/1
非対称タスク空間におけるマルチロボットのタスク割り当てと軌道最適化のための階層的2段階フレームワークを提案し、エネルギーと距離の入札方式の性能が地形条件に依存することを示した。
