「reinforcement」の検索結果
199 件多モーダル理解技術のための新しいアプローチであるMIRROR（Learning from the Other View）を提案しました。MIRRORは、テキスト、図、テキストと図の組み合わせから同等の視点を提供することで
Coordinating autonomous vehicles at unsignalized intersections remains a critical challenge for multi-agent re
パ
この研究では、深層強化学習を用いて、クォンタムSTATEPREPARATIONの近似方程式を学習し、クォンタムシステムの最適な操作手法を検討するための新しいアプローチを提案します。
この研究では、反対称関数を用いて、機械学習モデルが状態のどの点からどの点への値の差を予測できるような相対的な値学習(RV)を提案し、制御や推定を向上させる可能性があります。
この研究では、固定行動軌道に基づいて訓練されたオフサイト学習エージェントのデータ削除を評価するためのTOURを提案し、オフサイト学習の安全性を高めます。
この研究では、自己説明の信頼性を検証するためのRL方法を提案し、自己説明の信頼性を直接最適化するための新しいアプローチを検討します。
The original ALPHA benchmark introduced a taxonomy-aware penalty for evaluating CWE-level vulnerability predic
ラテン言語モデルを使用すると、言語モデルの内部の計算結果を分析できる。計算結果は、連続ベクトル空間として実行される中間計算であり、これを分析すると、モデルがどのように結果を得ているかを明らかにできる。
CUDAカーネルの生成を支援するCudaPerfを提案した研究で、この方法により、高性能のCUDAカーネルを効率的に生成できる。
オフラインRL（非実時学習）におけるタスクの分割を支援するOffline RL with Hierarchical Action Chunkingを提案した研究で、この方法により、タスクの分割が効
Motivated by reinforcement learning in harsh environments, we consider the problem of learning an optimal poli
Deep research requires agents to find answers that jointly satisfy multiple constraints. Discovering such answ
In long-horizon LLM agent reinforcement learning, weak policies often repeat similar failures, producing uninf
Behavior prior reinforcement learning (BPRL) has emerged as a promising paradigm to improve sample efficiency
この研究では、大規模言語モデルを活用して、説明理論の拡張を研究しました。大規模言語モデルを活用することで、説明理論の拡張が可能になりました。
この研究では、大規模言語モデルを活用して、双方の否定を許容する制御論理プログラミング言語を開発しました。大規模言語モデルを活用することで、双方の否定を許容する制御論理プログラミング言語が可能になりました。
Chess is a two player strategic game that is embedded in classical AI culture as it was once the frontier for
Multimodal large language models (MLLMs) have achieved impressive performance in multimodal emotion recognitio
Agent Skills package reusable procedural knowledge as external artifacts for frozen language-model agents, yet
Real-world agent learning is often constrained by costly environment interactions, such as running time-consum
強制制約に基づく強化学習を利用し、低コストで高精度の組み立てが可能になると同時に、組み立てに失敗してもロボットが安全に回避できるように、ロボットの制御のための強化学習を提案します。
オートモーティブレーシングにおける防御阻止を目的とした、強化学習とモデル予測制御のハイブリッドフレームワークを提案します。このフレームワークでは、自律車
Single transferable vote (STV) is a multi-winner preferential proportional electoral system. The margin is the
We study deterministic strategyproof mechanisms for discrete heterogeneous two-facility location. In our model
A recent line of work measures causal emergence in reinforcement learning agents through Integrated Informatio
Machine learning (ML) models are increasingly integrated into optical network automation frameworks to support
Effective decision-making in complex and changing environments requires balancing short-term and long-term con
Lead ranking in Customer Relationship Management (CRM) systems faces a persistent challenge: models achieving
この研究では、人間の遠隔操作を可能にするために、バーチャル リアリティと強化学習を組み合わせることを提案した。人類との対話に従って、ロボットの身体を操作し、移動することができるようになった。
この研究では、物理学に関する知見を学習アーキテクチャに組み込んだPetrov-Galerkinコロモゴロフアーノルドネットワーク(Physics-Informed Petrov-Galerkin Kolmogorov-A
OLED 材料の開発を目指す新しいアプローチ、causal language models を用いて optoelectronic プロパティを予測するフレームワークを提案する。
エピステミック目標を扱う研究、Active Inference を用いてエピステミック目標を提案する。
この研究では、強化学習の強化値と行動値（Q値）関数を条件的期待として扱い、これらの関数の推定を確率的推論として表現する新たなフレームワークを提案しました。
この研究では、学習前の時系列ベースの学習模型を、トレーニング後の適応を使用して、目的のタスクに適応させる方法を提案しました。
We study Gaussian-width complexity on statistical manifolds through a pair of functionals: the primal Fisher w
We study horizon-free regret minimization for finite-horizon time-homogeneous tabular Markov decision processe
分散されたシステムにおける分散多エージェント強化学習を実現するための方法を提案している。この方法は、個々のエージェントがローカルな観測に基づいてメッセージを交換し、長期の経験を考慮したメッセージを学習することで、分散され
Model-based reinforcement-learning agents of the DreamerV3 family forget catastrophically when trained on task
この研究では、ラベラーの品質が悪い場合の対策として、ラベラーの評価を自動化します。特に、ラベラーの評価はオブジェクト検出のタスクでは困難です。したがって、ラベラーの評価を自動化するために、画像認識のデータを分析してラベラ
Deploying navigation systems at scale requires a recipe that minimizes sensor assumptions, generalizes across
We consider a task planning scenario in which robots sharing a persistent environment are assigned tasks one a
Retrieval-augmented large language models frequently face contexts that interleave useful evidence with mislea
Enterprise strategic decision support requires AI systems that are not only accurate, but also uncertainty-awa
Small language models and coding agents increasingly generate web front-end code, yet their outputs are typica
Humans distill experience into reusable abstractions, e.g., strategies and cautionary reminders, and apply the
職業コード付けは、職業タイトルから職業分類を識別することであり、二つのステップで実行される二つのアプローチのうちのどちらかが最も効果的であることを示しました。
この研究では、偏見が蓄積されることが多くのLLMで問題となります。一方、この研究によって、LLMの偏見を解決する新しいアプローチが提案されました。
ビデオキャプション生成には、空間と時刻の理解が重要です。PercepCapアルゴリズムは、ビデオ入力を空間時刻認識に分解することで、生成されたキャプションの理解度が向上するとともに、空間時刻の誤差をより正確に検出でき、キ
Cross-embodiment navigation is a key challenge in embodied intelligence. Due to differences in embodiment, the
自動運転システムには、道路のトポロジー（ドライバブルレーンとその接続性）を理解する機能が必要です。最近の検出モデルは360度の前方視野からボリュームイメージを取得することで、道路上のレーンのトポロジーを推測することができ
Multi-drone payload transportation has emerged as a promising research paradigm with potential applications in
Soft robot exteroception is increasingly being explored for a variety of field applications. In this work, we
このプロジェクトでは、農林業用自動化トラクターのデジタルツインモデリングが行われた。デジタルツインはCAN通信を使用することでトラクターの動きを模倣し、実際のトラクターの動作をシミュレートする。
Fully actuated unmanned aerial vehicles (UAVs) are usually certified through rank conditions on a control-allo
We study the strategic facility location problem under the egalitarian objective, where a mechanism uses the r
In Bayesian online selection, a decision-maker observes a sequence of stochastic rewards and must immediately
この研究では、Oceanモデルを使用して、オーシャンで不完全な観測を使用する可能性と、生成的ステートスペースモデルと最適化フレームワークを使用して直接不完全な観測から学習する能力を評価します。
Large language models that generate step-by-step reasoning traces have achieved strong performance on complex
この研究では、学生チームのテーブル演習（TTX）における評価方法を提案し、複雑でオープンエンドな状況にあるチームの行動とコミュニケーションを記録できるTTX学習プラットフォームを使用します。
Large language models (LLMs) have been widely applied to automated essay scoring (AES) and automated feedback
この研究では、平衡方程式を満たすPINNs（物理基準付きニューラルネットワーク）を使用して、平均脱出時間の計算を目的とした椭球型境界条件付きPINNsを提案し、PINNsを使用した計算と実験室データを比較します。
この研究では、強化学習の報酬探求を量化するために、新しい測定方法を提案しています。この方法は、モデルが報酬を取得する際にどのように操作しようとしているかを示すことができます。
Reinforcement learning with verifiable rewards (RLVR) provides reliable outcome supervision for language model
離散RLは、長所と短所を含む複雑なランク付けゴールの最適化に効果があります。しかし、その計算コストは通常高く、自動微分化などの複雑なグラadientsの計算アラウンドを必要とします。この文書では、長所と短所を含むランク付
オリジナルのデータとZoom-Inのツールを組み合わせた方法、OmniReasonerを提案する。これにより、オリンモードルLLMsの長いオーディオビデオの論理的推論を改善できる。
UVAを用いたISACシステムを構築し、ISACシステムの動作の最適化を行うためにCRBを利用したビーム形成法とパス追従法を提案した。
Real-world collision avoidance is a core motivation for studying the dynamics and control of high sideslip dri
The report envisions a decade in which drones move goods, medical supplies, and information at a scale compara
This paper introduces a twist decomposition framework for serial manipulators performing lower mobility tasks.
Pneumatic artificial muscles have wide applications in robotics and industrial fields. Conventional pneumatic
この文書では、閉回路交通シナリオ生成のための変分ベースのアプローチ「E2E-CDiff」を提案しました。これを使用すると、実世界に近い交通ルールを生成したり、交通ルールを操作することができるようになります。
The deployment of high-speed Uncrewed Aerial Vehicles (UAVs) in 3D aerial highways necessitates robust coordin
We study the problem of recovering the objective of a packing linear program when the algorithm accesses only
In recent work on course allocation, Rodríguez and Manlove consider the complexity of finding a stable assignm
Knowledge graph question answering (KGQA) requires navigating from topic entities to an answer several relatio
この研究では、ルビック評価を含む非確認タスクの最適化を目的とします。従来のRLには、モデル評価の情報が使われるだけですが、モデル自身は反省や自己改善はすることがありません。ここでは、LJMをコーチとみなして、モデルが反省
Eco-Cooperative Adaptive Cruise Control (Eco-CACC) systems rely on accurate localization, signal timing, and i
Reinforcement learning (RL) research has demonstrated success in both physical and simulated domains; however,
Reinforcement learning (RL) for legged robots is advancing locomotion, demonstrating its ability to adapt to n
existing locomotion methodの制約を解決するためのreinforcement learning based loco-manipulation method、Isaac Sim-to-Realを提
existing fault detection methodの限界を解決するためのadaptive stress testing methodを提案し、商用自動運転システムの故障率を減らす。
Fast planning of novel behaviors in unseen scenarios remains a fundamental challenge in robotics. The high-dim
The global competition for developing robotic foundation models is intensifying. Among the data collection sys
Natural-language control offers a promising interface for unmanned aerial vehicles (UAVs), but directly applyi
Robust multi-agent coordination relies heavily on inter-agent communication, which is frequently disrupted by
この論文では、ConceptTreeというフレームワークを提案しています。このフレームワークは、人の見える概念を使用して、マニピュレーションの高位のスキル選択を表現し、透明性を高めます。
複数タスク間の説明性を提供するための逆強化学習は、複数タスク間の説明性を提供することによって、複雑なタスクを解決することに関与していますが、この研究では、複数タスク間の説明性を提供するための逆強化学習の新たなアプローチを
Pickup and Deliveryシステムでは、ロード管理が大きな問題です。この研究では、 Pickup and Deliveryシステムにおけるオフロード管理を考慮した新しいアプローチであるHandover-Awa
Mobile robots in public spaces must ensure pedestrians' comfort, and yet empirical studies of walkers' subject
四足ロボットのナビゲーションのための予測的推論方法が提案されます。ロボットは、現在の観察と短期的な記憶によってアクションを選択しますが、障害物の発展を予測することができないため、このアプローチには課題があります。この課題
In robotic manipulation studies, grasping is often treated as a binary success or failure problem, usually def
Autonomous flight of aerial robots in narrow space remains challenging due to strong aerodynamic disturbances
For four agents with nonnegative additive valuations, a complete 1-out-of-5 maximin-share allocation always ex
Physical artificial intelligence (AI) systems involve distributed sensing agents with embedded AI models that
In this work we study the Best Policy Identification (BPI) problem in online, tabular Reinforcement Learning.
Transfer-oriented reinforcement learning requires evaluating algorithms along dimensions that go beyond standa
Building long-horizon robot agents requires composing closed-loop pipelines -- perception, belief update, plan
Monocular foundation models provide dense geometry but usually lack a stable metric scale. This paper presents
This paper investigates the optimal safety control problem of nonlinear control systems by proposing novel hig
In this paper, we introduce the General Lotto game with a regulator (R-Lotto), a leader-follower extension of
Deep survival models are evaluated almost exclusively by the concordance index (C-index), yet they are commonl
Safety validation at signalized intersections remains a critical bottleneck for the deployment of autonomous d
Censorship resistance is the defining advantage of blockchains over their centralized counterparts. Yet block
Although standard auction mechanisms help truthfully reveal preferences of bidders, they can inadvertently res
Reinforcement learning (RL) is primarily known as a computational method for optimizing control tasks, but it
Fish-like swimming has inspired the design of several dozens if not hundreds of bioinspired robots in the last
Vision-Language-Action (VLA) policies offer strong general-purpose manipulation priors, but often fail on tigh
Safe model-based reinforcement learning (RL) often bridges control-theoretic analysis and RL for robots to saf
Incremental Nonlinear Dynamic Inversion (INDI) is attractive for unmanned aerial vehicle (UAV) flight control
この研究では、Robotのヘッドレスアンドメインアームの両方を1台のロボットに組み込み、両機能を切り替えれるようにする技術、Handroidを開発しています。
この研究では、SLAMアプリケーション、NeoSLAMとRatSLAMを比較評価し、NeoSLAMを改良するとともに、比較評価のための基準となるデータセットを提案しています。
この研究では、ロボットの制御をエゴセンタリックにし、視覚情報と身体情報を連携させて、ロボットの移動と姿勢を制御することができるシステムを提案しています。
この研究では、接触の豊富なマニピュレーションを実現するための、データの収集と学習を改良した方法を提案し、ロボットの制御の精度を
This paper presents a trajectory prediction method for marine vessels based on optimal planning. Crude initial
We study the problem of dividing homogeneous divisible goods among agents with non-linear valuations. Specific
Emergency department (ED) boarding occurs when admitted patients remain in the ED while awaiting inpatient bed
The deployment of autonomous cyber-physical systems in safety-critical environments requires closed-loop contr
この研究は、多人数確率ゲームへのPAC学習を研究することに関心があります。PAC学習は、機械学習モデルの確信度を高めると同時に、モデルの誤差を低下させるものです。
可予性プロセスの近似は、数学的ファイナンス、機械学習、制御理論、物理学などの分野で重要な問題である。このため、NeuralChaosを用いて、可予性プロセスの近似を解くための新しい方法を提案した。
Helmholtz方程式は、時間共伴振波の伝播を記述する重要な方程式であり、媒質が損失した場合複素係数を持ちます。ここでは、空間での波場から波方程式を推測するために、物理知識に基づくGaussian Process（GP
分割的な計算の極限に、表現可能な関数クラスが有限次元の代数的多様体に退化することを示し、モデルキャパシティの増加が一般化を促進することを明らかにした。
この研究では、目標が現在の状況に依存するゴール表現を確立します。研究者は、目標の静的表現をステート条件表現に更新することで、現在の状況に応じて目標を修正します。
Stable Voting and Simple Stable Voting, introduced by Holliday and Pacuit, are Condorcet-consistent voting rul
自動販売店で客と交わるAIロボットの信頼性を確立する必要がある。このモデルは、客とロボットの信頼関係を構築し、客の買い物をサポートすることを目的としている。
We present an $(e^{1/e} - c)$-approximation algorithm for maximizing Nash social welfare under additive valuat
代表権という概念は、政治や経済のシステムで重要である。デリゲーション、または代表権の授与、はさまざまなシステムに現れる。デリゲーションを安全かつ効率的かつ有効に運用するために、意思決定者はデリゲーションを設計する際に考慮
We show that a single climate realization can be decomposed into forced and internal components by treating ex
分布型強化学習のリスク評価を容易にするために、分布型強化学習におけるリスク評価を分析しました。
A specialist tolerates blind spots that a generalist does not. Usually this is treated as a cost to be minimiz
This paper develops a model-free reinforcement learning framework for continuous--time extended mean field con
この研究では、従来のNAS方法のコストを抑えるための方法を開発します。 この方法では、NASをトランスフォーマーを使用して実行します。
We study online welfare maximization with divisible resources. A sequence of $n$ players arrive one by one; up
Trader-facing dynamic fees are increasingly proposed for automated market makers (AMMs), but historical data d
We study the complexity of computing stationary Markov coarse correlated equilibria (CCE) in discounted single
Which discrete symmetry groups can arise from strategic interaction? We tile the plane with copies of a bimatr
The recent expansion of the FIFA World Cup to 48 teams has prompted discussions regarding a potential further
We study the fundamental problem of fairly dividing indivisible items among agents with additive utilities. In
We study the fair allocation of $m$ indivisible items to $n$ agents with additive utilities. In our setting, e
We consider the fair allocation of indivisible goods with binary valuations. In this setting, the maximum Nash
Neural networks can learn algorithmic input-output mappings, but trusting a learned executor requires more tha
Adversarial team games (ATGs) with asymmetric information, such as adversarial path-finding, goal search, and
We study unconstrained bilinear zero-sum games, a fundamental model in online learning, adversarial optimizati
マルチエージェントゲームにNash合図を解決するためのPrimitive-GuidedTree Searchアルゴリズムを提案。
We revisit the complexity of deciding whether a graphical game admits a pure Nash equilibrium (PNE) parameteri
位置的決定性を保証するために、頂点を色付けした対称ゲームを研究した。その結果、ペアの色付けゲームの位置的決定性も保証されることがわかりました。
In evolutionary game dynamics, there exists a hypothesis, which states that, the dynamic structure of the game
安定マッチング問題では、エージェントが均等な利益を得られるようにマッチングを行う問題です。この問題を解くために、パートナーを2つ以上選択できるマッチングを取り巻く枠組みを提案し、2つのメートルを使用して利益の均衡度を評価
この研究では、確率的ゲーム理論の不完全情報の問題を調べました。不完全情報にはゲームの結果に関する不確実性があります。このような状況では、ゲーム理論者はゲームの結果を予測するために情報を取得することになります。
これは、プレイヤーが勝つゲームの勝利条件の強制とパロディーを目的としています。カードプレーヤーのゲームで特に興味を持っています。
これは、量子論を使用して、ゲーム理論の分野に新たなアプローチを提案する研究です。研究では、2つのプレイヤー間でプレイされる、確率のないゲームに関する既存の理論を検討しています。
格闘ゲームNeutral Playにおける非確定情報ゲームを取り扱い、非確定情報ゲーム向けのオープンソース環境 FootsiesGymを開発した。
Next-generation wireless networksにおける分散型ゲーム理論を用いた6Gのセキュリティを研究します。分散型ゲーム理論は、6Gの通信システムが環境の認識とデータの伝送両方を実現するために必要な
複数の買い手を持つ市場における交渉システムを構築します。マーケットの規模を知り切れていない場合、セラーの損失が生じます。セラーは市場の規模を測る必要がありますが、これは複数の買い手を持つ場合に困難です。
We attach to a finite group $G$ and a structured payoff probe $φ$ an integer \emph{payoff-difference lattice}
While deterministic variants of the coevolutionary opinion formation games such as the K-Nearest Neighbor (K-N
We study the minimization counterpart of the classic prophet inequality, often termed the min prophet or cost
In many urban planning projects, social planners require the construction of a bridge to connect two regions s
We prove new upper and lower bounds on metric distortion for randomized social choice mechanisms. Under first-
We analyze the house allocation problem, in which a set of agents must be matched to a set of objects for whic
Designing effective goals and rewards for time-inconsistent agents is a central problem in many long-term task
1D バイナリング パッキング問題（1D-BPP）とは、さまざまな用途に多く応用される、分配不可能なNP困難な組合せ最適化問題である。この研究では、Falkenauerのハイブリッドグループゲンエイリアスアリファメント（
エンビリー率という、公平な割り当てに基づく新しいロケーションゲームの問題を解決するための、ステーションポイントの最適位置を決定するためのアプローチを提示しました。
マックス方程式に基づく二階ロケーション問題の問題を解決するための、アプローチを提示しました。
Baghchal is a two-player asymmetric board game with Nepali origins where four tigers are to capture goats and
この研究では、メタボリック マルチエージェント最適化 (MMAO) が動的最適化に適用できるようにする必要がありました。MMAO-Dyn は、環境の変化によって元の有効な局所的構造を無効にした非stationary な設
この研究では、トレーダーと預言者の動作を研究します。トレーダーは価格変化を予測し、利益を最大化します。預言者は価格変化が予測できることを知っています。この研究では、トレーダーと預言者の競合する行動を分析し、トレーダーの利
この研究では、多くの候補者を持つ投票問題を研究します。投票者は複数の候補者を支持し、評価を評価したり、拒否したりすることができます。この研究では、投票に公平性を考慮する方法を提案します。
この研究では、多くの候補者の投票法の持続可能性を研究します。投票法は、投票者が投票を操作することを防ぐことができます。この研究では、投票法の持続可能性を評価します。
Biological neural circuits obey Dale's principle: each neuron's synapses are uniformly excitatory or inhibitor
この研究では、多様なベンチマークを用いて、Metabolic Multi-Agent Optimizer (MMAO)の適切性を評価します。MMAOは、複数エージェント間でリソースを分配するための閉ループのシステムです。
個人の価値を尊重するためのメカニズム設計の研究。個人の価値とメカニズム設計の関係を考察し、個人の意思決定を援助するためのメカニズムを設計する。
AIを援助するための意思決定者によるオーバーサイトの研究。AIが提案した行動の評価と決定を行うために、意思決定者とAIが情報を交流するオーバーサイトの実現を研究する。
個人の価値を尊重するためのアイテムの分配を決定するアルゴリズム。この研究では、個人のアイテムの価値を尊重するための分配を決定するアルゴリズムを開発する。
The value problem for 2-player games on graph generally consists in determining the minimal value Min can ensu
Neuromorphic and edge computing research has focused on reducing the inference cost of neural network controll
マルウェアの感染は、ネットワーク全体に広がる可能性があります。既存のモデルの場合、脅威に対する防御戦略は静的なパラメータとして扱われますが、実際には攻撃方策と防御方策の間の競合関係に依存します。このため、ゲーム理論を用い
共同作業ゲームでは、2つのプレイヤーが協力または競争
Molecule generation methods that leverage generative models have been successfully applied to drug discovery.
The "Pick Two" animal selection puzzle is a popular thought experiment in which two animal species must defend
この研究では、個々の価値に基づいて分割可能な財を分配する方法を提案している。この分配方法は、個々の価値を考慮しながら、効率的な分配を目指している。
この研究では、非協力ゲームの純戦略均衡の条件を提案している。この条件は、個々のゲームの結果を考慮しながら、均衡の必要性を評価している。
多エージェントモデルの調整は、現実的なシミュレーションの実現を支援します。本研究では、新しく開発したモデルによって、調整を行うことができます。
このプロジェクトでは、複数のステイションに対応するマルチステイションのエンドポイントの最適配置を探します。
分布制御に基づく電力市場の問題は、供給と需要がバランスのとれた状況ではなく、供給が需要より多い状況を表現することができます。
This article proposes a model, based on graph theory, to represent a variety of two-player games of perfect in
この研究では、ゲームの非共通性を考慮した新しい解決概念の提案、共通解決のための制約を用いない、多項式時間解決を提案します。
共同契約設計は、代理人が複数のタスクを、代理人に分配するという点で重要です。
この研究では、非決定主義的ゲームの可解性と不可解性に関する定量的な結果を示します。
This paper presents a revealed preference approach for rationalizing collective consumption behavior. We intro
We study flow games with public arcs, an extension of classical cooperative flow games that allows players to
A Nash equilibrium is learnable if there exists a myopic adjustment dynamic for which it is asymptotically sta
This paper argues that AI-agent alignment in markets should not be understood only as a property of agents, bu
Deploying multi-agent reinforcement learning (MARL) in the real world is often limited by model mismatches bet
Planning contact-rich whole-arm manipulation is challenging because interactions that involve extended robot g
We present a novel game-theoretic framework designed to enhance privacy and scalability in decentralized vehic
The temporal structure of reward composition in reinforcement learning (RL) is typically hand-designed and hel
NeuroEvolution of Augmenting Topologies (NEAT) is a widely used neuroevolution algorithm for learning neural n
移動環境のロボット学習を可能にするアルゴリズムが提案されている。