Tianwei Ni
収録論文 5本 ・ フィジカルAI/ロボット学習
オフライン強化学習視覚移動マニピュレーションPOMDP/リカレントRLヒューマン・エージェント協調逆強化学習
※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
- 明示的な保守性なしの長期ホライズンモデルベースオフライン強化学習オフライン強化学習2025/12/4
ベイズ的アプローチにより明示的な保守性を使わずに長期ホライズンのロールアウトを可能にし、D4RLとNeoRLで最先端性能を達成したNEUBAYを提案。
- 衝突のない視覚移動マニピュレーションに向けて視覚移動マニピュレーション2021/12/1
視覚移動マニピュレーションにおいて、物体との不要な衝突を避けるために2段階のカリキュラム学習を提案し、成功率を10%向上させた。
- リカレントなモデルフリー強化学習は多くのPOMDPで強力なベースラインになり得るPOMDP/リカレントRL2021/10/1
リカレントネットワークを用いたモデルフリーRLの実装を丁寧に調整すると、POMDP向けの専用手法と同等以上に性能が出ることを21環境で示し、効率的な実装を公開した論文。
- 実時間ヒューマン・エージェント協調のための適応型エージェントアーキテクチャヒューマン・エージェント協調2021/3/1
人間モデルを学習せず、事前学習済みの政策ライブラリから類似度指標で人間の意図を推定し適応する、2人協力ゲーム向けエージェント設計を提案した論文。
- f-IRL:状態周辺分布マッチングによる逆強化学習逆強化学習2020/11/1
エージェントと専門家の状態分布間のfダイバージェンスの解析的勾配を導出し、専門家密度から定常報酬関数を復元するf-IRLを提案。サンプル効率と必要専門家軌跡数で敵対的模倣学習を上回り、下流タスクや動力学変化への行動転移にも有効。
