確率的な環境でもDecision Transformerを動かしたい！
確率的な環境でもDecision Transformerを動かしたい！
RvS
強化学習
Jump-Start RL: 事前学習した方策によって「ガイド」を行うことで探索を効率化！
Jump-Start RL: 事前学習した方策によって「ガイド」を行う ...
Offline Pre-Training and Online Finetuning
Cal-QL: 効率的なオンラインファインチューニングを実現する, 事前学習に特化したオフライン強化学習
Cal-QL: 効率的なオンラインファインチューニングを実現する, 事 ...
Offline Reinforcement Learning
GLAM：強化学習エージェントとしてのLLM
GLAM：強化学習エージェントとしてのLLM
Large language models
LLMによるロボットの多様な動作生成に成功
LLMによるロボットの多様な動作生成に成功
Large language models
RLHF：人間による評価を利用して強化学習エージェントを訓練する方法
RLHF：人間による評価を利用して強化学習エージェントを訓練する方法
Alignment
MA強化学習を使用した自律型ドローン制御による森林再生アプローチ
MA強化学習を使用した自律型ドローン制御による森林再生アプローチ
強化学習
DeepFoids:深層強化学習を用いた魚の群行動シミュレーション
DeepFoids:深層強化学習を用いた魚の群行動シミュレーション
強化学習
画像と自然言語から操作するロボット学習システムRT-1
画像と自然言語から操作するロボット学習システムRT-1
robot
あらゆる下流タスクに対応可能な転移学習システムGAIA
あらゆる下流タスクに対応可能な転移学習システムGAIA
転移学習
強化学習でモデルを選択する時系列異状検知
強化学習でモデルを選択する時系列異状検知
Time-series
エージェントの増減に対応可能なマルチエージェント強化学習アルゴリズム
エージェントの増減に対応可能なマルチエージェント強化学習アルゴリズム
強化学習
DayDreamer: Dreamerがついに実ロボットに！
DayDreamer: Dreamerがついに実ロボットに！
ロボティクス
知識グラフと強化学習を組み合わせた説明可能な新しいアーティスト推薦システム
知識グラフと強化学習を組み合わせた説明可能な新しいアーティスト推薦シス ...
Recommendation
対照学習と畳み込みグラフネットワークを用いた、ニューラルネットのアーキテクチャ比較手法
対照学習と畳み込みグラフネットワークを用いた、ニューラルネットのアーキ ...
NAS
YouTubeで逆強化学習する時代？！ロボットが人間から学ぶために必要なコトとは？
YouTubeで逆強化学習する時代？！ロボットが人間から学ぶために必要 ...
Inverse Reinforcement Learning
エージェントはいつ探索すべきか？
エージェントはいつ探索すべきか？
強化学習
スケーラブルなベイジアン逆強化学習！安全な模倣学習実現への第１歩となるか！?
スケーラブルなベイジアン逆強化学習！安全な模倣学習実現への第１歩となる ...
逆強化学習