Yuxiao Wen

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。

論文

• 方策条件付き価値関数によるオフポリシー俳優-批評家の安定化と探索
  強化学習2025/9/26

  方策を明示的に条件とする関数型批評家を用い、オフポリシー学習の収束保証と方策空間の探索を統一的に扱う枠組みを提案した論文。