Multi-fidelity RL上級
MFPG-PPOでデータ不足の強化学習を安定化、実ロボットは4エピソードで学習
本論文はプレプリントである。MFPG-PPOは、高忠実度(HF)データが乏しいオン方策強化学習を安定化する手法で、低忠実度(LF)シミュレータデータを制御変量として利用する。GPU並列シミュレーションと実Frankaアームで評価し、HFデータのみのPPOをほぼ全ての設定で上回り、実ロボットでは1更新あたり4エピソードのみで成功率91.7%を達成した。
ロボティクスとフィジカルAIの最新論文と、それぞれが産業にもたらす意味。
本論文はプレプリントである。MFPG-PPOは、高忠実度(HF)データが乏しいオン方策強化学習を安定化する手法で、低忠実度(LF)シミュレータデータを制御変量として利用する。GPU並列シミュレーションと実Frankaアームで評価し、HFデータのみのPPOをほぼ全ての設定で上回り、実ロボットでは1更新あたり4エピソードのみで成功率91.7%を達成した。
論文は arXiv のロボティクス分野から取得しています。当社の要約が未作成の場合は、要旨の冒頭を表示します。