Fugu-MT 論文翻訳(概要): AI Olympics challenge with Evolutionary Soft Actor Critic

論文の概要: AI Olympics challenge with Evolutionary Soft Actor Critic

arxiv url: http://arxiv.org/abs/2409.01104v1
Date: Mon, 2 Sep 2024 09:34:18 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 07:26:52.408112
Title: AI Olympics challenge with Evolutionary Soft Actor Critic
Title（参考訳）: 進化的ソフトアクター批判によるAIオリンピックの挑戦
Authors: Marco Calì, Alberto Sinigaglia, Niccolò Turcato, Ruggero Carli, Gian Antonio Susto,
Abstract要約: 私たちのソリューションは、モデルフリーのDeep Reinforcement Learningアプローチと進化戦略を組み合わせています。使用済みのアルゴリズムを簡潔に説明し、そのアプローチの詳細を提供する。
参考スコア（独自算出の注目度）: 5.076263094490715
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the following report, we describe the solution we propose for the AI Olympics competition held at IROS 2024. Our solution is based on a Model-free Deep Reinforcement Learning approach combined with an evolutionary strategy. We will briefly describe the algorithms that have been used and then provide details of the approach
Abstract（参考訳）: 次回報告では、IROS 2024で開催されるAIオリンピック大会の解決策について述べる。私たちのソリューションは、モデルフリーのDeep Reinforcement Learningアプローチと進化戦略を組み合わせています。使用済みのアルゴリズムを簡潔に記述し、そのアプローチの詳細を提供する。

関連論文リスト

$EvoAl^{2048}$ [2.5526759890882764]
本稿では,解釈可能かつ説明可能なポリシーの探索にモデル駆動最適化を適用することを報告する。本稿では,オープンソースソフトウェア EvoAl を用いた GECCO'24 Interpretable Control Competition のソリューションについて述べる。
論文参考訳（メタデータ） (2024-08-15T21:06:18Z)
Unleashing Artificial Cognition: Integrating Multiple AI Systems [2.402818676870194]
本稿では,人工知能の認知を解き明かすために,言語モデルとクエリ解析技術の革新的な融合を提案する。導入されたオープンソースのAIシステムは、Chessエンジンを言語モデルとシームレスに統合し、動きを予測し、戦略的説明を提供する。本システムは,医療診断から財務予測に至るまで,多様な応用を約束する。
論文参考訳（メタデータ） (2024-08-09T07:36:30Z)
Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文参考訳（メタデータ） (2024-07-03T15:38:57Z)
Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning [55.65738319966385]
我々は、新しいオンラインアルゴリズム、反復的ナッシュポリシー最適化(INPO)を提案する。従来の方法とは異なり、INPOは個々の応答に対する期待される勝利率を推定する必要性を回避している。 LLaMA-3-8BベースのSFTモデルで、INPOはAlpacaEval 2.0で42.6%、Arena-Hardで37.8%の勝利率を達成した。
論文参考訳（メタデータ） (2024-06-30T08:00:34Z)
OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文参考訳（メタデータ） (2024-06-18T16:20:53Z)
ALYMPICS: LLM Agents Meet Game Theory -- Exploring Strategic Decision-Making with AI Agents [77.34720446306419]
Alympicsは、ゲーム理論の研究にLarge Language Model (LLM)エージェントを利用する、体系的なシミュレーションフレームワークである。 Alympicsは、複雑なゲーム理論の問題を研究するための汎用的なプラットフォームを作成する。
論文参考訳（メタデータ） (2023-11-06T16:03:46Z)
IndigoVX: Where Human Intelligence Meets AI for Optimal Decision Making [0.0]
本稿では、最適なゴール解決のためのAIによる人間の知能向上のための新しいアプローチを定義する。提案するAIであるIndigoは、反復ゴール指向最適化によるインフォームド数値決定の頭字語である。我々は、この手法がゲームやビジネス戦略に適用され、人間が戦略的な状況を提供し、AIが最適なデータ駆動の行動を提供するように考えます。
論文参考訳（メタデータ） (2023-07-21T11:54:53Z)
A Solution to CVPR'2023 AQTC Challenge: Video Alignment for Multi-Step Inference [51.26551806938455]
Egocentric AssistantのためのAQTC(Affordance-centric Question-driven Task Completion)は、画期的なシナリオを導入している。マルチステップ推論を改善するために,映像アライメント向上のためのソリューションを提案する。 CVPR'2023 AQTCでは2位であった。
論文参考訳（メタデータ） (2023-06-26T04:19:33Z)
Towards Solving Fuzzy Tasks with Human Feedback: A Retrospective of the MineRL BASALT 2022 Competition [20.922425732605756]
BASALTチャレンジでは、Minecraftの難易度の高い報酬関数でタスクを解くアルゴリズムを開発するために、チームに競うように求めている。競合について説明し、トップソリューションの概要を提供する。
論文参考訳（メタデータ） (2023-03-23T17:59:17Z)
Retrospective on the 2021 BASALT Competition on Learning from Human Feedback [92.37243979045817]
競争の目的は、人間のフィードバック(LfHF)技術から学び、オープンワールドの課題を解決するエージェントへの研究を促進することであった。 LfHF技術の使用を義務付けるのではなく、ビデオゲームMinecraftで達成すべき自然言語の4つのタスクについて説明した。チームは、様々な可能な人間のフィードバックタイプにまたがる多様なLfHFアルゴリズムを開発した。
論文参考訳（メタデータ） (2022-04-14T17:24:54Z)
The First AI4TSP Competition: Learning to Solve Stochastic Routing Problems [10.388013100067266]
本報告は,2021年人工知能国際会議(IJCAI-21)における,旅行セールスマン問題(TTSP)に関する初の国際コンペティションである。コンペティションは参加者に対して、ウェイトとタイムウィンドウ(TD-OPSWTW)による時間依存オリエンテーリング問題を解決するアルゴリズムの開発を依頼した。この研究で述べられている勝利の方法は、AIを使って問題をルーティングするための最先端のAIを進歩させた。
論文参考訳（メタデータ） (2022-01-25T16:55:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。