リサーチ・論文

CoopUQ、複数ロボットの社会ナビゲーションに不確実性認識型協調予測を導入

CoopUQ (コープユーキュー) は2026年10月19日(現地時間)、不確実性認識型の協調占有予測と堅牢な意思決定を連携させるマルチロボット社会ナビゲーションフレームワークを発表した。強化学習を用いたモバイルロボットのナビゲーションにおいて、単一ロボットアプローチでは遮蔽やOOD (out-of-distribution) シナリオ下で安全性と効率性の確保が困難となる課題に対応する。本フレームワークは、クロスロボット時空間特徴融合による将来の占有グリッドマップ予測と、その予測および不確実性を活用した制約付きマルチエージェント強化学習を通じて、予測性能と安全性の向上を実証した。

リサーチ・論文

arXiv、LLM向けに新強化学習「POPO」を提案 正のロールアウトのみで学習

arXiv cs.CLは2026年5月7日(現地時間)、Mingwei Xu氏とHao Fang氏が、大規模言語モデル (LLM) の推論能力向上を目指す新しい強化学習フレームワーク「Positive-Only Policy Optimization (POPO)」を提案したと発表した。これは、検証可能な報酬を伴う強化学習 (RLVR) の領域において、既存手法Group Relative Policy Optimization (GRPO) の負のロールアウト問題を解決するもので、オンラインの正のロールアウトのみで学習を進める。