Utsav Singh

PIPERは、スパースな報酬に対処するために、好みに基づくフィードバックを使って強化学習を強化するんだ。

LGR2は言語指示や階層学習を通じてロボットの作業性能を向上させる。

DIPPERは人間のフィードバックを通じてロボットの学習を最適化し、タスクのパフォーマンスを向上させるよ。

新しい方法でロボットが目標を細かく分けることで、タスクをより効果的にこなせるようになるんだ。