Stuart J. Russell

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

• 比較言語フィードバックによる軌道改善と報酬学習
  報酬学習2024/10/1

  軌道データと言語フィードバックを統合した潜在空間を学習し、比較言語フィードバックからロボット軌道を反復改善しつつ人間の選好を報酬関数として学習する手法を提案した。

• 選好に基づく報酬学習のための汎用的獲得関数
  選好学習2024/3/1

  選好クエリの生成において、報酬パラメータの完全な特定ではなく、行動等価クラスを学習することを目的とした汎用的な獲得関数を提案し、情報利得基準よりも優れた性能を示した。