【論文紹介】Offline Reinforcement Learning with Wasserstein Regularization via Optimal Transport MapsNew!!
2025-10-29
オフライン強化学習（Reinforcement Learning, RL）は、ロボティクスのようにデータ収集が高コストな状況において有用な手法です。今年8月にカナダのエドモントンで開催された国際会議 Reinforcement Learning Conference (RLC) 2025 では、オフラインRLにおける大きな課題の一つである「分布のずれ」を緩和する新たな手法「Q-DOT」を提案する論文 "Offline Reinforcement Learning with Wasserstein Regularization via Optimal Transport Maps" を発表しました。この成果により、新しいデータを追加で取得しなくても、より安全で安定した学習を行うことが可能になります。無謀な行動を実際に行うことなく効率的に学べるため、自動運転やロボット操作に貢献できる可能性があります。
国際会議 NeurIPS 2025 に4本の論文が採択されました
2025-10-06
機械学習のトップレベルの国際会議 NeurIPS 2025 (The Thirty-Ninth Annual Conference on Neural Information Processing Systems) において、当研究室から 4 本の論文が採択されました。
第35回世界コンピュータ将棋選手権 参加報告
2025-10-01
2025年5月3日から5日にわたり川崎市で開催された第35回世界コンピュータ将棋選手権に、特任研究員の日高雅俊、博士課程学生の太田 一毅と橋本 智洋が参加しました。iPhoneを用いた合議システムという新しいアプローチが評価され、電気通信大学 エンターテイメントと認知科学研究ステーション より独創賞をいただくことができました。