Wenwen Qiang

Institute of Software Chinese Academy of Sciences

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

• 時間的GRPO：視覚言語行動強化学習における軌跡レベルの信用割当を超えて
  強化学習/VLA2026/8/1

  軌跡全体に同じ報酬を割り当てる従来のGRPOの問題を解決するため、タスクを段階に分割し、同じ段階に到達した軌跡同士を比較して段階ごとの利点を計算する新しい手法を提案した。

• PAPO-VLA: 計画を考慮した視覚言語行動モデルのポリシー最適化
  VLA2026/5/1

  VLAモデルの実行を計画と実行の二役に分解し、計画アクションを特定して重要度を推定し、GRPOの利点推定に組み込むことで、タスク成功に重要な行動を重点的に最適化する手法を提案した。