Zhiwei Steven Wu
収録論文 3本 ・ フィジカルAI/ロボット学習
模倣学習安全強化学習
※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
- 時間相関ノイズ下での因果的模倣学習模倣学習2022/2/1
専門家行動に時間相関ノイズが混入したデータから、操作変数回帰を用いて偽相関を排除し方策を学習する2手法(DoubILとResiduIL)を提案した論文。
- 安全強化学習のための制約付き変分方策最適化安全強化学習2022/1/1
安全制約付き強化学習を確率的推論の枠組みで捉え、EMアルゴリズムにより凸最適化と教師あり学習に分解して安定に方策を学習する手法を提案した。連続ロボットタスクで制約遵守とサンプル効率の向上を示す。
- モーメントマッチングで捉える模倣学習の統一理論と新アルゴリズム模倣学習2021/3/1
模倣学習アルゴリズムをモーメントマッチングの観点で統一的に整理し、性能保証付きの新たなアルゴリズム3種を提案した論文。
