Mudit Verma

収録論文 6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

• 人間の選好に基づく報酬学習のための後知恵PRIOR
  強化学習2024/4/12

  選好ベース強化学習において、世界モデルで状態の重要度を推定し、報酬を状態重要度に比例させる補助目的を導入することで、クレジット割り当て問題を改善し、歩行・操作タスクでの性能と報酬復元を向上させた。

• Theory of Mind abilities of Large Language Models in Human-Robot Interaction : An Illusion?
  2024/1/1
• Incorporating Human Flexibility through Reward Preferences in Human-AI Teaming
  2023/12/21
• A State Augmentation based approach to Reinforcement Learning from Human Preferences
  2023/2/17
• Exploiting Unlabeled Data for Feedback Efficient Human Preference based Reinforcement Learning
  2023/2/1
• Trust-Aware Planning: Modeling Trust Evolution in Iterated Human-Robot Interaction
  2021/5/1