論文の概要: Bridging Domain Gaps with Target-Aligned Generation for Offline Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2605.13054v1
• Date: Wed, 13 May 2026 06:23:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.84377
• Title: Bridging Domain Gaps with Target-Aligned Generation for Offline Reinforcement Learning
• Title（参考訳）: オフライン強化学習のためのターゲットアライズドジェネレーションによるブリッジングドメインギャップ
• Authors: Minung Kim, Jeongmo Kim, Gwanwoo Choi, Seungyul Han,
• Abstract要約: クロスドメインのオフライン強化学習は、事前にコンパイルされたデータセットのみを使用して、ソースドメインからターゲットドメインへのポリシの適用を目的としている。 我々は、ソースデータの使い方を決定するフレームワークであるTCE(Target-aligned Coverage Expansion)を提案する。 TCEは、2つのスコアベースの生成モデルに基づいて、拡張状態領域上の目標一貫性遷移を合成する。
• 参考スコア（独自算出の注目度）: 4.404003578416113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-domain offline reinforcement learning aims to adapt a policy from a source domain to a target domain using only pre-collected datasets, where environment dynamics may differ. A key challenge is to leverage source data while reducing distributional mismatch, particularly when the target dataset is extremely limited. To address this, we propose Target-aligned Coverage Expansion (TCE), a framework that decides how source data should be used, either by directly incorporating target-near transitions or by expanding state coverage through target-aligned generation, guided by theoretical analysis. TCE builds on a dual score-based generative model to synthesize target-consistent transitions over an expanded state region. Extensive experiments across diverse cross-domain environments show that TCE consistently outperforms state-of-the-art cross-domain offline RL baselines.
• Abstract（参考訳）: クロスドメインオフライン強化学習は、環境ダイナミクスが異なる可能性のある、事前にコンパイルされたデータセットのみを使用して、ソースドメインからターゲットドメインへのポリシーの適用を目的としている。 重要な課題は、特にターゲットデータセットが極めて限定された場合、分散ミスマッチを減らしながら、ソースデータを活用することだ。 そこで本研究では,ターゲット・ニア・トランジションを直接組み込むか,あるいはターゲット・アライン・ジェネレーションを通じて状態カバレッジを拡張することによって,ソースデータをどのように利用するかを決定するフレームワークであるTCEを提案する。 TCEは、2つのスコアベースの生成モデルに基づいて、拡張状態領域上の目標一貫性遷移を合成する。 さまざまなクロスドメイン環境にわたる大規模な実験により、Teleは最先端のクロスドメインのオフラインRLベースラインを一貫して上回っている。

関連論文リスト

• Cross-Domain Offline Policy Adaptation via Selective Transition Correction [29.251685312287155]
  強化学習(RL)におけるミスマッチした力学を持つ領域をまたいだ政策の適応は依然として重要な課題である。 そこでは、他の類似ソースドメインからのオフラインデータセットにアクセスして、ターゲットドメインデータセットに対するポリシー学習を強化する。 本稿では,選択遷移補正 (STC) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T15:37:29Z)
• A Turn Toward Better Alignment: Few-Shot Generative Adaptation with Equivariant Feature Rotation [67.2019317630466]
  少ない撮影画像生成は、ごく少数の訓練画像を用いて、ソース生成モデルをターゲット領域に効果的に適応することを目的としている。 Equivariant Feature Rotation (EFR) は、ソースドメインとターゲットドメインを2つの相補的なレベルで整列させる新しい適応戦略である。 本手法は,対象領域内の生成性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-12-24T13:48:22Z)
• Cross-Domain Offline Policy Adaptation with Dynamics- and Value-Aligned Data Filtering [71.07094489719034]
  クロスドメインオフライン強化学習は、ターゲット環境にデプロイされたエージェントをトレーニングすることを目的としている。 近年の進歩は、ターゲットドメインとの動的アライメントを示すソースドメインサンプルを選択的に共有することでこの問題に対処している。 これらのアプローチは、動的アライメントとテキスト値アライメント(すなわち、ソースドメインから高品質で高価値なサンプルを選択すること)にのみ焦点をあてる。 textbfunderlineDynamics-および textbfunderlineValue-aligned textbfunderlineDataを示す。
  論文  参考訳（メタデータ） (2025-12-02T05:45:40Z)
• DmC: Nearest Neighbor Guidance Diffusion Model for Offline Cross-domain Reinforcement Learning [11.290019540058625]
  クロスドメインオフライン強化学習(RL)は、追加のオフラインソースデータセットを利用することで、サンプル効率の向上を目指している。 DmCは、限られたターゲットサンプルを持つクロスドメインオフラインRLのための新しいフレームワークである。
  論文  参考訳（メタデータ） (2025-07-28T03:34:15Z)
• Tackling Dimensional Collapse toward Comprehensive Universal Domain Adaptation [11.875619863954238]
  部分的なドメインマッチング(PDM)は、ターゲットドメインに多くのソースクラスが欠落している極端なケースで苦労する。 本研究では,極端UniDAにおけるPDMの故障が,対象表現における次元的崩壊(DC)に起因することを確認した。 本稿では,非ラベル対象データを用いた自己教師型学習において,学習表現の内在的構造を保存するために,デコラプス手法を用いることを提案する。
  論文  参考訳（メタデータ） (2024-10-15T04:51:37Z)
• Self-training through Classifier Disagreement for Cross-Domain Opinion Target Extraction [62.41511766918932]
  オピニオンターゲット抽出(OTE)またはアスペクト抽出(AE)は意見マイニングの基本的な課題である。 最近の研究は、現実世界のシナリオでよく見られるクロスドメインのOTEに焦点を当てている。 そこで本稿では,ドメイン固有の教師と学生のネットワークから出力されるモデルが未学習のターゲットデータと一致しない対象サンプルを選択するためのSSLアプローチを提案する。
  論文  参考訳（メタデータ） (2023-02-28T16:31:17Z)
• Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
  Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。 さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
  論文  参考訳（メタデータ） (2022-11-12T09:21:49Z)
• Instance Level Affinity-Based Transfer for Unsupervised Domain Adaptation [74.71931918541748]
  ILA-DAと呼ばれる適応中のソースからターゲットへの転送に対するインスタンス親和性に基づく基準を提案する。 まず、ソースとターゲットをまたいだ類似および異種サンプルを抽出し、マルチサンプルのコントラスト損失を利用してドメインアライメントプロセスを駆動する信頼性が高く効率的な手法を提案する。 ILA-DAの有効性は、様々なベンチマークデータセットに対する一般的なドメイン適応手法よりも精度が一貫した改善を観察することによって検証する。
  論文  参考訳（メタデータ） (2021-04-03T01:33:14Z)
• Discriminative Cross-Domain Feature Learning for Partial Domain Adaptation [70.45936509510528]
  部分的なドメイン適応は、より大きく多様なソースドメインからの知識を、より少ないクラス数でより小さなターゲットドメインに適応させることを目的としています。 ドメイン適応の最近の実践は、ターゲットドメインの擬似ラベルを組み込むことで、効果的な特徴を抽出する。 ターゲットデータを少数のソースデータのみにアライメントすることが不可欠である。
  論文  参考訳（メタデータ） (2020-08-26T03:18:53Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。