本文へスキップ

DigiRL

online 強化学習で端末を操る代理を育てる

公式サイトを見る

DigiRL とは

DigiRL は現実の Android 課題で端末を操る代理を育てる online の強化学習手法と紹介される。

できること

  • 既存のオフラインの資料を学びに回す
  • オフラインから online へ学びを移す
  • 指示ごとの価値で課題に順を付ける

活用場面

  • 端末でイタリア料理の店を探す
  • 掲載された商品のページへたどり検索する
  • サイトの変化に合わせ働きを保つ

長所と短所

✓ 良い点

  • オフラインから online への学習で試行錯誤を生かす
  • 自ら集めたロールアウトで立て直しの失敗を減らす

! 注意したい点

  • 動かす前にソフトウェア環境の導入が要る
  • 実験にはデータ集合と參數の設定が要る

よくある質問

評価器の役割は?

資料では自律した VLM 評価器が開かれた Android 課題を扱うと説明。

課題の順はどう決まる?

資料では指示の段の価値関数が自動の課程を組むとしている。

最終評価日: 2026-11-15

その他 AIコーディングツール ツール

すべて見る →

評価方法