Swapnil Pande
収録論文 1本 ・ フィジカルAI/ロボット学習
オフライン強化学習
※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
- 強化学習の系列モデリングにおける楽観バイアスの解消オフライン強化学習2022/7/1
オフライン強化学習を系列モデリングとして扱う手法の楽観バイアスを、方策と世界モデルを明示的に分離することで解消し、自動運転タスクで優れた性能を示した。
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。
オフライン強化学習を系列モデリングとして扱う手法の楽観バイアスを、方策と世界モデルを明示的に分離することで解消し、自動運転タスクで優れた性能を示した。
PR・アフィリエイト広告