Stefan Harmeling

収録論文 2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

• サイクロフォビック強化学習
  強化学習2023/8/1

  新規性を報酬とするのではなく、状態の巡回（サイクル）を罰することで冗長な探索を避け、階層表現と組み合わせてMiniGridやMiniHackで高効率な探索を実現した。

• 多段ポリシー回帰による計画学習
  強化学習2021/6/1

  A2Cで環境知識をサンプリングし、1観測からn個の連続行動を予測するポリシー蒸留手法PHRを提案し、MiniGridとPongで推論高速化を示した。