Xianyuan Zhan

OMIGA melhora o aprendizado offline de múltiplos agentes ao integrar estratégias de aprendizado globais e locais.

O FISOR melhora a segurança no aprendizado de reforço offline com regras rígidas e métodos de aprendizado únicos.

Uma nova abordagem melhora o desempenho do aprendizado por reforço offline através de atualizações de gradiente ortogonal.

Novo framework melhora a maneira como os robôs aprendem com visuais e linguagem.

Um novo método pra melhorar o seguimento de instruções de imagem em modelos multimodais.

Um novo método melhora o RL offline usando modelos de difusão pra tomar decisões melhores.