トピック: Sparse Reward

全セクション横断 3 件

米カリフォルニア大学バークレー校らの研究チームが、強化学習における報酬の希薄性問題を解決する新手法を発表した。製造・物流現場のロボット導入コストと学習期間を大幅に圧縮できる可能性がある。

米スタンフォード大などの研究チームが、大規模言語モデルの推論能力を人手に頼らず自動的に向上させる強化学習手法「ExpRL」を発表した。AI開発コストの削減と性能向上を同時に実現する可能性がある。

京港大らの研究チームが、事前学習済みロボット制御AIを少ない成否情報だけで効率的に強化学習できる手法「HABC」を発表した。製造・物流現場での自律ロボット導入コストを大幅に削減しうる成果である。