285299記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. PlanDQ：D-ConductorとQ-Performerによる階層的プランオーケストレーション (PlanDQ: Hierarchical Plan Orchestration via D-Conductor and Q-Performer)
2 分で読了
0 views

PlanDQ：D-ConductorとQ-Performerによる階層的プランオーケストレーション

(PlanDQ: Hierarchical Plan Orchestration via D-Conductor and Q-Performer)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、お時間をいただきありがとうございます。最近、うちの若手からPlanDQという論文の話を聞いたのですが、正直何がどう違うのかさっぱりでして。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、順を追って分かりやすく説明しますよ。結論を先に言うと、PlanDQは長期的な計画を立てるために「上位の計画者」と「下位の実行者」をうまく組み合わせて、短期と長期の両方で強い性能を出せる仕組みです。

田中専務

これって要するに、上司が大まかな方針を示して、現場が細かく動くようにする、という昔からの仕事の分担をAIに当てはめたもの、という理解で合っていますか？

AIメンター拓海

まさにその通りですよ！要点を3つにまとめると、1) 上位で長期の計画を生成するD-Conductor（ディーコンダクター）、2) 下位で短期の行動を決めるQ-Performer（キューパー former）、3) 両者を学習で協調させることで長期課題でも安定して動ける点です。

田中専務

しかし、当社のような現場だと、報酬が少なかったり目標が遠かったりして、AIが方針を見失うと聞きます。そこはどう改善されているのですか。

AIメンター拓海

良い質問ですね。専門用語を先に整理すると、

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
分散型マルチモーダルセンサの視点不変性を実現する条件付きニューラルネットワーク FlexLoc
（FlexLoc: Conditional Neural Networks for Zero-Shot Sensor Perspective Invariance in Object Localization with Distributed Multimodal Sensors）
次の記事
確率的Frank–Wolfe法の統一解析と応用群
（Stochastic Frank-Wolfe: Unified Analysis and Zoo of Special Cases）
関連記事
ライブイメージングにおける光毒性低減のための人工知能活用
（Harnessing Artificial Intelligence To Reduce Phototoxicity in Live Imaging）
3D障害物領域における密度進化から学ぶエージェント相互作用
（Learning Agent Interactions from Density Evolution in 3D Regions With Obstacles）
アルツハイマー検出のためのニューラル透明性の解放：ヤコビアンマップによる説明可能なAI
（Unlocking Neural Transparency: Jacobian Maps for Explainable AI in Alzheimer’s Detection）
協調型多エージェント強化学習を促進する階層的タスクネットワーク計画
（Hierarchical Task Network Planning for Facilitating Cooperative Multi-Agent Reinforcement Learning）
進化的独立決定論的説明（EVIDENCE） – EVolutionary Independent DEtermiNistiC Explanation
手書き文字生成のためのWriteViT
（WriteViT: Handwritten Text Generation with Vision Transformer）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
ニューラル制御変量によるモンテカルロ分散削減
（Neural Control Variates for Monte Carlo Variance Reduction）
  • 論文研究
スピーチ駆動で表現豊かなリップ同期を実現する条件付き逐次生成対抗ネットワーク
（Speech-Driven Expressive Talking Lips with Conditional Sequential Generative Adversarial Networks）
  • 論文研究
深くネストされた階層モデルの高速推定
（Fitting a Deeply-Nested Hierarchical Model to a Large Book Review Dataset Using a Moment-Based Estimator）
  • 論文研究
タンデムブロックによる畳み込みニューラルネットワークの再考
（Tandem Blocks in Deep Convolutional Neural Networks）
  • 論文研究
参照スキャン不要なEPIゴースト補正のk-空間ディープラーニング
（k-Space Deep Learning for Reference-free EPI Ghost Correction）
  • 論文研究
確率的ジャクソン微分に基づくq-ニューロン
（q-Neurons: Neuron Activations based on Stochastic Jackson’s Derivative Operators）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む