Timothy Lillicrap

収録論文 10本 ・ フィジカルAI/ロボット学習

※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

• スケーラブルな世界モデル内でのエージェント学習
  世界モデル2025/9/1

  Dreamer 4は、高速で正確な世界モデル内で強化学習を行い、オフラインデータのみからMinecraftでダイヤモンドを獲得できる初のエージェントである。

• タブラ・ラサを超えて：物理埋め込み型3D倉庫番のためのモジュラー強化学習アプローチ
  モジュラー強化学習2020/10/1

  Mujoban（2D倉庫番から生成した3D倉庫をロボットが整理するタスク）に対し、認識・計画・行動の階層で強化学習モジュールを組み合わせる手法を提案し、単一のモノリシックなRLエージェントを大幅に上回ることを示した。学習済みモジュールは別のロボットでも再利用可能である。

• dm_control：連続制御のためのソフトウェアとタスク集
  強化学習ベンチマーク2020/6/1

  MuJoCoを基盤とした強化学習向けのPythonライブラリ群と、歩行・マニピュレーションなどの標準タスクスイートを提供するソフトウェアを公開した。

• 夢から制御へ：潜在想像による行動学習
  モデルベース強化学習2019/12/1

  学習した世界モデルの潜在空間内で軌道を想像し、価値関数の勾配を逆伝播させて画像からの長期タスクを解く強化学習エージェントDreamerを提案した論文。

• 到達可能性に基づくエピソード的好奇心
  強化学習/探索2018/10/1

  エピソード記憶と環境ステップ数による到達可能性を用いて新規性ボーナスを計算する好奇心手法を提案し、ViZDoomやDMLabの探索タスクでICMを上回り、MuJoCoのアリが一人称視点のみで歩行を学習できることを示した。

• 補間方策勾配：深層強化学習のためのオンポリシーとオフポリシーの勾配推定の融合
  強化学習2017/6/1

  オンポリシーとオフポリシーの更新を理論的・実験的に融合する手法を提案し、制御変数法で既存手法を統一する枠組みを示した。

• 器用な操作のためのデータ効率の良い深層強化学習
  マニピュレーション2017/4/1

  DDPGを改良してデータ効率とスケーラビリティを高め、シミュレーション上で物体を掴んで積み重ねる器用な操作ポリシーを学習できることを示した論文。

• 非同期オフポリシー更新によるロボットマニピュレーションの深層強化学習
  マニピュレーション2016/10/1

  オフポリシー型深層Q学習を複数ロボットで非同期並列化し、デモや手設計表現なしに実機で複雑な3D操作スキル（ドア開けなど）を効率的に学習できることを示した論文。

• 変調された運動制御器の学習と転移
  歩行2016/10/1

  脊髄様の低レベルネットワークを単純タスクで事前学習して固定し、高レベル皮質様ネットワークがその入力を変調して複数の運動タスクを学習・転移する手法を提案。

• モデルベース加速を伴う連続深層Q学習
  強化学習2016/3/1

  連続制御タスク向けにQ学習を拡張した正規化アドバンテージ関数(NAF)を提案し、さらに学習済み局所線形モデルでモデルフリー強化学習を加速してサンプル効率を大幅に改善した論文。