Yawei Wang
AWS AI
収録論文 2本 ・ フィジカルAI/ロボット学習
VLA模倣学習
※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
- Prism-GRPO: 同一結果グループの分割による高速なVLAポリシー最適化VLA2026/8/18
GRPOの強化学習において、成功/失敗が同一のグループを品質スコアで分割し、学習信号を回復することでロールアウト効率を向上させる手法を提案した。
- ワッサースタイン距離で導く報酬形状探索付き敵対的模倣学習模倣学習2020/6/1
JSダイバージェンスの代わりにワッサースタイン距離を用い、PPOと報酬形状の探索を組み合わせて模倣学習の安定性と性能を向上させた手法を提案した。
