Siliang Zeng
収録論文 1本 ・ フィジカルAI/ロボット学習
VLA
※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
- 実演と選好から報酬と方策を同時学習する統合アライメント手法AIHFVLA2024/6/1
人間の選好と実演データを単一ステージで統合し、報酬モデルと方策を同時に学習するAIHFを提案。LLMとMuJoCoロボット制御でRLHFやDPOを大きく上回る性能を示した。
世界のフィジカルAIを、日本語で。
収録論文 1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。
人間の選好と実演データを単一ステージで統合し、報酬モデルと方策を同時に学習するAIHFを提案。LLMとMuJoCoロボット制御でRLHFやDPOを大きく上回る性能を示した。
PR・アフィリエイト広告