方策(ポリシー)
状況(入力)に応じて、次にどの行動を選ぶかを決めるルールや関数のこと。ロボットやAIの「行動の決め方」を指す。
たとえば: 道に迷ったときに「標識が見えたら右へ」のように行動を決める自分ルール。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- 一般ist AIがロボットを直接動かす「AMP」を分析し、参照ハーネスAMP1を提案
一般ist AIモデルがマニピュレータを直接指揮するAMPを体系的に分析。単腕・双腕・移動で変更なしに動くAMP1を提示し、複数ベンチマークと実機試行で高いゼロショット性能を報告する。
- 多指ハンドの物体姿勢到達で「落とさない」も評価する:LEAPハンド向け学習レシピと安全フィルタ
多指ハンドのin-hand object pose reachingを、手首姿勢が変わっても長い連続目標列で扱い、安全性(落下)も測る枠組みを提示。人手データなしのシミュレーション学習とゼロショット実機転移、安全フィルタで性能と安全の調整を示す。
- 接触力も扱うヒューマノイド動作学習「FLORE」:両手と全身の協調を狙う枠組み
FLOREは、接触力と動作を同時に扱うヒューマノイドのloco-manipulationを学習する枠組み。ロボットフリー実演で力情報を集め、拡散方策が手ごとの力指令まで予測し、全身制御で実行する。実機の接触リッチタスクで成功率80%を報告する。
- RobustRLlib:ロバスト強化学習を同一基盤で比べるための統一ライブラリ兼ベンチマーク
RobustRLlibは、ロバスト強化学習の再利用性の低さと能力境界の不明確さという課題に対し、17手法の統一実装と多様な評価環境、273設定の評価による能力マップ提示をまとめて提供する。
