劣悪なデモンストレーションからのLanguage-Critique模倣学習

不十分なデモンストレーションから模倣学習を行うための新しい「言語批判」フレームワークを提案。スカラー信号ではなく、自然言語を用いてタスクの進捗や失敗モード、修正行動に関する中間的な推論を構造化する。

• 不十分なデモンストレーションから模倣学習を行うための「言語批判」フレームワークを提案。
• タスクの進捗や失敗モード、修正行動に関する中間的な推論を自然言語で構造化する。
• 従来の単純なスカラー信号のみによる学習とは異なるアプローチを採用している。
• より複雑で人間らしい行動の学習を可能にすることを目指している。