Reinforcement Learning
Sequential decision-making for the real world.
強化学習(RL)は、ゲーム、移動、およびロボット工学におけるいくつかの困難な連続した意思決定問題の解決策を提供してきました。
PFNでは、強化学習の課題に取り組み、実際のアプリケーションを実現することを目指しています。 私たちの研究には、ディープRL、安全性、ロボット工学、モデルベースRL、および模倣学習が含まれます。
Publications
Periodic Intra-Ensemble Knowledge Distillation for Reinforcement Learning
ECML 2021
By : Zhang-Wei Hong, Prabhat Nagarajan, Guilherme Maeda
ChainerRL: A Deep Reinforcement Learning Library
JMLR 2021
By : Yasuhiro Fujita, Prabhat Nagarajan, KataokaToshiki, Takahiro Ishikawa
MANGA: Method Agnostic Neural-policy Generalization and Adaptation
ICRA 2020
By : Homanga Bharadhwaj, Shoichiro Yamaguchi, Shin-ichi Maeda
Behaviorally Diverse Traffic Simulation via Reinforcement Learning
IROS 2020
By : Shinya Shiroshita, Shirou Maruyama, Daisuke Nishiyama, Mario Castro, Karim Hamzaoui, Guy Rosman, Jonathan DeCastro, Kuan-Hui Lee, Adrien Gaidon