Ayushman Singh
収録論文 4本 ・ フィジカルAI/ロボット学習
コード生成ポリシー強化学習ワールドモデル
※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
- コード生成ポリシーエージェントの自己修復を再考する：再試行成功を決める要因は何かコード生成ポリシー2026/11/4
ロボット操作シミュレーションで、失敗フィードバックによる再試行が単なる再サンプリングより成功率が高いことを示し、失敗ラベル特異性の寄与は小さいと分析した研究。
- 良いランカー、悪い目的関数：表現力豊かな方策探索下での双線形コントラスト批評家強化学習2026/7/29
コントラスト学習による批評家は行動のランキングには優れるが、そのスコアを最大化すると価値関数として不適切で、オフサポートの行動を選んでしまうことを示した論文。
- SCOUT: スパース報酬強化学習のための文脈別リセットカリキュラム強化学習2026/7/29
スパース報酬強化学習において、各タスク文脈に個別のリセットカリキュラムを適応的に与えるオンライン制御手法SCOUTを提案し、ナビゲーションや操作タスクで学習を改善することを示した。
- DISK: ワールドモデル向け動的推論スキップワールドモデル2026/2/1
自動回帰型ワールドモデルにおいて、動画と自己軌跡の拡散トランスフォーマーを二重分岐制御器で協調させ、再学習なしに適応的に推論をスキップする手法を提案。運転シナリオで品質を保ちつつ最大2倍の高速化を実現。