AGWM：構成的要件を持つ環境向けアフォーダンスに基づいたワールドモデル
AIエージェントが行動の実行可能性を動的に追跡する新しいワールドモデル「AGWM」が提案されました。
ロボット
181件
逆強化学習を用いた多目的制約推論
複数の専門家による多様な行動から、共通の制約と個別の好みを同時に推論する新しいフレームワーク「MOCI…
事後サンプリングを用いたオフライン方策最適化
モデルベースのオフライン強化学習において、汎化性能とロバスト性の両立を目指す新しい手法「PSPO」が提…
確率的探索による微分可能シミュレータでのモデル駆動型方策最適化
微分可能なシミュレータにおいて、確率的探索を導入することで、方策最適化の性能を向上させる新しいフレ…
有限期間目標を持つ多環境POMDP
部分観測マルコフ決定過程（POMDP）の多環境版において、有限期間目標に対する最適方策と価値を計算する研…
大規模マルチエージェント経路探索のための局所通信学習
複数のロボットが協調して移動する経路探索問題において、学習可能な通信モジュールを導入し、効率的な情…
パス署名と動的時間伸縮を用いたオンライン目標認識
連続領域におけるオンライン目標認識の精度と効率を向上させる新しい手法が開発されました。
大規模マルチエージェント協調のための交互ターゲット・パス計画
複数のエージェントが衝突せずに目標を達成する「ターゲット割り当てと経路探索（TAPF）」問題に対し、新…
残差潜在行動による視覚特徴ベースの世界モデル学習
視覚特徴ベースの世界モデル「RLA-WM」が、従来の画像生成モデルより高速かつ高精度な未来予測を実現しま…
安定化されたニューラルハミルトン・ヤコビ・ベルマンソルバー：誤差解析とモデルベース強化学習への応用
ニューラルネットワークを用いたハミルトン・ヤコビ・ベルマン方程式の安定化ソルバーが開発されました。
予測は可能だが計画は困難：潜在世界モデルのための到達可能性補正補助目標（RC-aux）
潜在世界モデルの計画性能を向上させるため、予測精度と計画の乖離を補正する新しい補助目標「RC-aux」が…
Sword: VLAポリシーの事後学習のための動的潜在ブートストラップによるスタイルロバストなワールドモデルシミュレーター
VLAモデルのポリシー学習をシミュレーションで行う際、既存のワールドモデルの課題を解決する新手法「Swor…