TOPIC
強化学習
AI
生徒を模したAIの反応を報酬に、チェス指導AIの専門家評価が向上
学習者ごとの間違い方と、助言を受けた後の回答変化をAIで再現し、指導AIの学習へつなげる。研究用システムStudentSimの模擬応答を報酬に使…
AI
ロボット航法の移植を支援するAIエージェント手順、既存方策に補正を学習
ロボット航法を別の機体や環境に移すため、既存の方策に行動の補正を学習させるCOMPASSの開発手順が示された。AIエージェントがシーン準備から評…
AI
実運用ハーネス内でAIエージェントを直接訓練する共通環境
AIエージェントの実行環境を独立サービスへ分け、配備時と同じハーネス内で直接訓練できる共通基盤が公開された。隔離した実行領域をデータ収集、強化学…
AI
12種類の合成環境でコンピューター操作AIのスコアを36.5%から67.1%に向上
操作結果を内部状態から採点する12種類の合成環境で訓練した9Bモデルは、Microsoftの測定でスコアを36.5%から67.1%へ伸ばした。失…
Space
ニューラルネットワークが軌道上で衛星の姿勢を自律制御
ニューラルネットワークが、軌道上の小型衛星の姿勢を自律制御した。米空軍研究所(AFRL)によると、強化学習で訓練したAIを衛星へ送り、1周回以内…
Quantum
量子計算を止めずに制御信号を調整する強化学習を実証
量子誤り訂正が生む検出データを学習に使い、量子計算を続けながら制御信号を調整する方式が実証された。Googleは、強化学習によって制御のずれに対…
Robotics
8192環境での医療ロボット学習、GPU並列化で5時間超から2分未満に
解剖学的構造、医療器具、センサーを一つの仮想環境に組み込む医療ロボット向けの物理シミュレーション基盤が公開された。GPUで訓練環境を並列実行し、…







