トピック: Critic

全セクション横断 3 件

米国の研究チームが、フローポリシーを高速に強化学習するQF3を開発した。人型ロボットの歩行を白紙から学習し実機へ直接移植でき、学習時間は従来手法の約10分の1になった。

行動勾配を使わず方策を改善する強化学習手法FERPOが提案された。MuJoCo PlaygroundとManiSkillで競争力ある性能と標本効率の向上を示し、ロボット制御の学習コスト削減に資する可能性がある。

動画拡散モデルを4回の推論で動かす蒸留手法に、学習の劣化を抑える新手法PDMDが登場した。コード1行の変更で品質が向上し、動画制作の生成コスト削減に寄与する可能性がある。