Stefano Ermon
収録論文 6本 ・ フィジカルAI/ロボット学習
ロボットエージェント/オンライン探索強化学習強化学習探索言語条件付き模倣学習モデルベースRL人間-AI協調
※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
- ロボットエージェントのためのオンライン探索スケーリングロボットエージェント/オンライン探索2026/10/15
汎用コーディングエージェントがロボット制御コードを生成し、オンライン探索でタスク達成の行動系列を発見・プログラム化するフレームワークRAXを提案。単腕・双腕・多指・移動・ヒューマノイドで実機・シミュレーション検証し、探索規模拡大に伴う汎化性能向上を示した。
- 極値Q学習:エントロピーを使わない最大エントロピー強化学習強化学習2023/1/1
極値理論を用いて最大Q値を直接モデル化し、方策やエントロピーを必要としないオンライン・オフラインのMaxEnt Q学習アルゴリズムを提案。D4RLベンチマークで優れた性能を達成。
- 最適軌道の情報獲得のための計画に基づく探索強化学習探索2022/10/1
タスクと現在のダイナミクス知識を考慮し、最適軌道に関する期待情報利得を最大化する行動列を計画することで、強化学習のサンプル効率を大幅に改善する手法を提案した。
- 言語から解釈可能なスキル抽象化を学習するLISA言語条件付き模倣学習2022/3/1
言語条件付きデモからベクトル量子化で離散スキルを学習し、未知の長距離指示にも汎化できる階層的模倣学習フレームワークを提案。
- ベイズ最適実験設計に基づくデータ効率の良いモデルベース強化学習モデルベースRL2021/12/1
ベイズ最適実験設計の考え方を取り入れ、遷移関数への問い合わせ回数を最小限に抑えつつ効率的に方策を学習する獲得関数を提案した論文。
- 適応型人間-AI協調における慣習の決定的役割人間-AI協調2021/4/1
タスク固有の規則とパートナー固有の慣習を分離して学習する枠組みを提案し、新しいパートナーや新タスクへの迅速な適応を実現した。
