Souradip Chakraborty
収録論文 8本 ・ フィジカルAI/ロボット学習
VLARLHFナビゲーション強化学習
※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
- VARP: 視覚言語モデルのフィードバックとエージェント正則化選好による強化学習VLA2025/3/1
軌跡スケッチを重ねた画像でVLMの選好ラベル精度を高め、エージェントの性能で報酬学習を正則化することで、連続制御タスクの成功率とリターンを大幅に改善した手法。
- テキストを超えて:音声的手がかりを活用したロボットナビゲーションタスクにおけるLLMの意思決定改善VLA2024/2/1
音声の韻律的特徴をLLMに統合し、ロボットの社会的ナビゲーションにおける意思決定精度と敵対的攻撃への堅牢性を向上させる手法を提案した。
- LLM/VLM制御ロボティクスの脆弱性VLA2024/2/1
LLMやVLMで制御されるロボットが入力のわずかな変化に弱く、タスク成功率が最大22.2%低下することを実験で示した研究。
- MaxMin-RLHF:多様な人間選好へのアラインメントRLHF2024/2/1
単一報酬モデルのRLHFでは人間選好の多様性を表現できないことを示し、選好分布の混合をEMで学習して平等主義的なMaxMin目的で方策を最適化する手法を提案した論文。
- REBEL: 報酬正則化によるロボット強化学習の人間フィードバック活用RLHF2023/12/1
人間の選好に加えてエージェント自身の選好も考慮した報酬正則化手法を提案し、ロボット強化学習における分布シフトを軽減する。
- RE-MOVE: 言語フィードバックによる動的環境下でのロボットナビゲーションの適応的方策設計ナビゲーション2023/3/1
訓練済みナビゲーション方策に、不確実性に基づいて必要な時だけ言語モデルから指示を求め、再訓練なしで動的環境変化に適応させる手法を提案。
- HTRON: 重尾適応強化学習によるスパース報酬での効率的な屋外ナビゲーションナビゲーション2022/7/1
スパース報酬設定で重尾方策パラメータ化を用いて探索を促す適応的強化学習アルゴリズムHTRONを提案し、屋外ナビゲーションの成功率を向上させた。
- 重裾方策による連続制御ロボティクスにおける疎な報酬への対処強化学習2022/6/1
連続制御タスクで問題となる疎な報酬に対処するため、重裾型の確率的方策勾配アルゴリズム(HT-PSG)を提案し、専門家のデモンストレーションなしで安定した探索を実現してベンチマークタスクでの性能とサンプル効率を向上させた。
