Visual Generalization上級
モデルベースRLに潜在空間一貫性を導入したVIGOR、未見の視覚変化へゼロショットで汎化
VIGORは、TD-MPC2を基盤に、非対称な弱から強へのデータ拡張、ダイナミクスレベルの一貫性損失、エンコーダ安定化を組み合わせたモデルベース強化学習フレームワークである。DeepMind Control SuiteとRobosuiteのゼロショット視覚汎化評価で、既存のモデルフリー手法とモデルベース手法を上回り、二番手のSRMと比べて平均エピソード報酬でDMCは3.4%、Robosuiteは43.6%高い結果を報告した。本論文はプレプリントであり、査読済みではない。