Анализ сайта chinganc.com
Основное Готовность: 65%
Домен
chinganc.com
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://chinganc.com
302 Found
http://www.chinganc.com/
200 OK
Безопасность
Сайт небезопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте не найден защищенный протокол ssl и сайт не открывается по https!
Не настроен HSTS (Strict-Transport-Security) — рекомендуется включить.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en.
Скорость загрузки
~0,58сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,58сек оптимальна.
Объем документа
53Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 53Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 6
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 6 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/css/bootstrap.min.css | |
| stylesheet | https://fonts.googleapis.com/css?family=Open+Sans:400,600,700 | |
| stylesheet | https://cdn.jsdelivr.net/gh/jpswalsh/academicons@1/css/academicons.min.css | |
| stylesheet | /static/css/style.css | |
| js | https://use.fontawesome.com/releases/v5.5.0/js/all.js | |
| js | https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/js/bootstrap.min.js |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Connection | keep-alive |
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| ETag | "6812e265-d4f2" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| X-GitHub-Request-Id | 6E74:3CA18C:18E1AA:1AC7D9:6A895C3D |
| x-github-edge-region | swedencentral |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sat, 22 Aug 2026 08:22:21 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-bma-essb1270030-BMA |
| X-Cache | MISS |
| X-Cache-Hits | 0 |
| X-Timer | S1787386942.667103,VS0,VE145 |
| Vary | Accept-Encoding |
| X-Fastly-Request-ID | 494238946ce4cdcb13a84853551c3e44dbcfbc0a |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 32%
Title
Ching-An Cheng
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 14, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width, initial-scale=1, shrink-to-fit=no
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 1
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 1шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width, initial-scale=1, shrink-to-fit=no |
Оптимизация Готовность: 42%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют по одному на документ).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 166 достаточно.
Среднее число слов в абзаце 71 достаточно.
Кол-во знаков контента 17469 на странице оптимально.
Кол-во слов 2518 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h3> 4.
Тошнота
8,37
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
11,32%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота страницы в пределах нормы.
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| learning | 70 | 2,78% |
| conference | 36 | 1,43% |
| international | 29 | 1,15% |
| systems | 26 | 1,03% |
| reinforcement | 21 | 0,83% |
| control | 18 | 0,71% |
| workshop | 17 | 0,68% |
| kolobov | 16 | 0,64% |
| neural | 14 | 0,56% |
| information | 12 | 0,48% |
| processing | 12 | 0,48% |
| imitation | 11 | 0,44% |
| offline | 11 | 0,44% |
| policy | 11 | 0,44% |
| optimization | 10 | 0,40% |
| robotics | 9 | 0,36% |
| neurips | 9 | 0,36% |
| ratliff | 8 | 0,32% |
| swaminathan | 8 | 0,32% |
| advances | 8 | 0,32% |
Индексация Готовность: 30%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 100 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 54509 байт. Загружен за: 1сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Цепочка редиректов для файла robots.txt:
http://chinganc.com/robots.txt
302 Found
http://www.chinganc.com/
200 OK
Показать содержимое robots.txt
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="utf-8" />
<meta
name="viewport"
content="width=device-width, initial-scale=1, shrink-to-fit=no"
/>
<link
rel="stylesheet"
href="https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/css/bootstrap.min.css"
integrity="sha384-MCw98/SFnGE8fJT3GXwEOngsV7Zt27NXFoaoApmYm81iuXoPkFOJwJ8ERdknLPMO"
crossorigin="anonymous"
/>
<link
rel="stylesheet"
href="https://fonts.googleapis.com/css?family=Open+Sans:400,600,700"
/>
<link rel="stylesheet" href="https://cdn.jsdelivr.net/gh/jpswalsh/academicons@1/css/academicons.min.css">
<title>Ching-An Cheng</title>
<link
rel="stylesheet"
href="/static/css/style.css"
/>
</head>
<body>
<nav class="navbar sticky-top navbar-light">
<span class="navbar-brand mb-0 pb-0 h1 px-5">Ching-An Cheng</span>
</nav>
<nav class="navbar navbar-light pt-0 mb-2">
<span class="navbar-text mt-0 px-5">
chinganc at google dot com
</span>
</nav>
<div class="container py-4">
<div class="row">
<div class="ml-auto col-5 col-md-4 offset-md-1 col-lg-3 mb-3">
<p><img class="img img-fluid" style="width: 100%; height: auto" src="/static/images/ching-an-cheng.jpg" alt=""/></p>
<p><a href="/docs/ching-an-cheng-cv.pdf" target="_blank"><i class="fa fa-file"></i> CV</a></p>
<p><a href="https://scholar.google.com/citations?user=bMZFLZ_V4goC&hl=en" target="_blank"><i class="ai ai-google-scholar-square"></i> Google Scholar</a></p>
</div>
<div class="mr-auto col-12 col-md-7 col-lg-7 mb-3 text-justify">
<!-- Ching-An Cheng is a Senior Researcher of Microsoft Research. He is a practical theoretician whose work has developed foundations for designing principled algorithms that can tackle real-world challenges. His research studies structural properties in sequential decision making problems, especially in robotics, and aims to improve the learning efficiency of autonomous agents. His recent research focuses on reinforcement learning and imitation learning from offline data. Ching-An Cheng has received several best paper and finalist awards, including those from ICML, RSS, and AISTATS. -->
<p>I am a Senior Research Scientist in <a href="https://research.google/teams/learning-theory/" target="_blank">Learning Theory Group</a> at <a href="https://research.google/" target="_blank">Google Research</a>. Previously, I was a Principal Researcher in <a
href="https://www.microsoft.com/en-us/research/lab/ai-frontiers/"
target="_blank">MSR AI Frontiers</a>. I am a <i>practical
theoretician</i> who is interested in developing foundations for designing
principled algorithms that can tackle real-world challenges. My research studies
structural properties in sequential decision making problems, especially in
robotics, and aims to improve the learning efficiency of autonomous agents. My
recent works focus on developing agents that can learn from general feedback,
which combines learning from language feedback (LLF), reinforcement learning
(RL), and imitation learning (IL), and generative optimization. Previously, I worked on online learning,
Gaussian processes, and integrated motion planning and control.
<p style="color: rgb(202, 32, 32);"> <strong>Highlight: </strong> <a style="color: rgb(202, 32, 32);" href="https://microsoft.github.io/Trace/"><u>Trace</u></a> is now an open-source Generative Optimization framework for end-to-end training AI agents with general feedback (like scores, natural language, errors). <br> <span style="font-family: 'Consolas', monospace;">pip install trace-opt</span> and start training.
</p>
<!-- My research is built on machine learning, optimization, and control
theories. My current focus concerns learning efficiency, structural properties,
and uncertainties in sequential decision making. Specific topics include
reinforcement learning, imitation learning, online learning, meta learning,
(large-scale) Gaussian processes, and integrated motion planning and control.
</p> -->
<p>I received PhD in Robotics in 2020 from <a href="https://www.gatech.edu"
target="_blank">Georgia Tech</a>, where I was advised by <a
href="https://homes.cs.washington.edu/~bboots/" target="_blank">Byron Boots</a>
at <a href="https://research.gatech.edu/robotics" target="_blank">Institute for
Robotics and Intelligent Machines</a>. During my PhD study, I interned at <a
href="https://www.microsoft.com/en-us/research/lab/microsoft-research-redmond/"
target="_blank">Microsoft Research AI</a>, Redmond, in Summer 2019, working with
<a href="https://alekhagarwal.net" target="_blank">Alekh Agarwal</a> and <a
href="https://www.microsoft.com/en-us/research/people/akolobov/"
target="_blank">Andrey Kolobov</a>; at <a
href="https://www.nvidia.com/en-us/research/" target="_blank">Nvidia
Research</a>, Seattle, in Summer 2018, working with <a
href="https://www.nathanratliff.com" target="">Nathan Ratliff</a> and <a
href="https://homes.cs.washington.edu/~fox/" target="_blank">Dieter Fox</a>.</p>
<p>Before Georgia Tech, I received from <a href="https://www.ntu.edu.tw"
target="_blank">National Taiwan University</a> (NTU) my M.S. in Mechanical
Engineering in 2013, and double degrees of B.S. in Mechanical Engineering and
B.S. in Electrical Engineering in 2011. During that period, I was advised by <a
href="http://www.me.ntu.edu.tw/main.php?mod=adv_custom_page&func=show_page&site_id=0&page_id=200"
target="_blank">Han-Pang Huang</a>, who directs NTU Robotics Laboratory, and my
research included learning dynamical systems, force/impedance control, kernel
methods, and approximation theory – with applications ranging from
manipulator, grasping, exoskeleton, brain-computer interface, to humanoid.</p>
<p>I was fortunately awarded with Outstanding Paper Award, Runner-Up (ICML 2022), Best Paper Award (OptRL Workshop @ NeurIPS
2019), Best Student Paper & Best Systems Paper, Finalist (RSS 2019), Best
Paper (AISTATS 2018), Best Systems Paper, Finalist (RSS 2018), <a
href="https://www.nvidia.com/en-us/research/graduate-fellowships/"
target="_blank">NVIDIA Graduate Fellowship</a>, and <a
href="https://research.google/outreach/phd-fellowship/" target="_blank">Google
PhD Fellowship</a> (declined).</p>
<!-- <p class="text-danger">We're currently <a href="https://careers.microsoft.com/us/en/job/1485566/Research-Intern-Robot-Learning-Group?fbclid=IwAR01_XwkO84wYyxed0WyA5eSXUV5aV28F5DdmrznicczlFJl4h8M49ILL_E"
target="_blank" class="text-light bg-danger">hiring interns</a> for robot learning. Please apply if you're interested.
</p> -->
</div>
</div>
</div>
<section class="bg-color-a">
<div class="container py-0 mb-2">
<div class="ml-auto mr-auto col-12 col-md-10 col-lg-10">
<h3 class="pub">Preprints</h3>
<h5 class="pt-2">2024</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Streetwise Agents: Empowering Offline RL Policies to Outsmart Exogenous Stochastic Disturbances in RTC</b>
<a href="https://arxiv.org/pdf/2411.06815.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>arXiv preprint arXiv:2411.06815, 2024</em>
</p>
<p>A. Soni, M. Das, A. Parayil, S. Ghosh, S. Shandilya, <strong>C.-A. Cheng</strong>, V. Gopal, S. Khairy, G. Mittag, Y. Hosseinkashi, and others</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Direct Nash Optimization: Teaching Language Models to Self-Improve with General Preferences</b>
<a href="https://arxiv.org/pdf/2404.03715.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>arXiv preprint arXiv:2404.03715, 2024</em>
</p>
<p>C. Rosset, <strong>C.-A. Cheng</strong>, A. Mitra, M. Santacroce, A. Awadallah, and T. Xie</p>
</div>
</li>
</ul>
<h5 class="pt-2">2023</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">LLF-Bench: Benchmark for Interactive Learning from Language Feedback</b>
<a href="https://arxiv.org/pdf/2312.06853.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://microsoft.github.io/LLF-Bench/" target="_blank"><i class="far fa-window-maximize"></i></a>
</br>
<em>arXiv preprint arXiv:2312.06853, 2023</em>
</p>
<p><strong>C.-A. Cheng</strong>, A. Kolobov, D. Misra, A. Nie, and A. Swaminathan</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Interactive Robot Learning from Verbal Corrections</b>
<a href="https://arxiv.org/pdf/2310.17555.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://ut-austin-rpl.github.io/olaf/" target="_blank"><i class="far fa-window-maximize"></i></a>
</br>
<em>arXiv preprint arXiv:2310.17555, 2023</em>
</p>
<p>H. Liu, A. Chen, Y. Zhu, A. Swaminathan, A. Kolobov, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
</br>
</div>
</div>
</section>
<section class="bg-color-b">
<div class="container py-0 mb-2">
<div class="ml-auto mr-auto col-12 col-md-10 col-lg-10">
<h3 class="pub">Journal/Conference Publications</h3>
<h5 class="pt-2">2024</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Trace is the Next Autodiff: Generative Optimization with Rich Feedback, Execution Traces, and LLMs</b>
<a href="https://arxiv.org/pdf/2406.16218.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://microsoft.github.io/Trace" target="_blank"><i class="far fa-window-maximize"></i></a>
</br>
<span class="pubsnote">Open-sourced Project. Featured at NeurIPS 2024 Expo</span></br>
<em>Advances in Neural Information Processing Systems, 2024</em>
</p>
<p><strong>C.-A. Cheng</strong>*, A. Nie*, and A. Swaminathan*</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">How to Solve Contextual Goal-Oriented Problems with Offline Datasets?</b>
</br>
<em>Advances in Neural Information Processing Systems, 2024</em>
</p>
<p>Y. Fan, J. Li, A. Swaminathan, A. Modi, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">PRISE: LLM-Style Sequence Compression for Learning Temporal Action Abstractions in Control</b>
<a href="https://arxiv.org/pdf/2402.10450" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Oral (<2%)</span></br>
<em>International Conference on Machine Learning, 2024</em>
</p>
<p>R. Zheng, <strong>C.-A. Cheng</strong>, H. Daum{é} III, F. Huang, and A. Kolobov</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Improving Offline RL by Blending Heuristics</b>
<a href="https://arxiv.org/pdf/2306.00321.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Spotlight (5%)</span></br>
<em>International Conference on Learning Representations, 2024</em>
</p>
<p>S. Geng, A. Pacchiano, A. Kolobov, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
<h5 class="pt-2">2023</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Survival Instinct in Offline Reinforcement Learning</b>
<a href="https://arxiv.org/pdf/2306.03286.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Spotlight Presentation (<3%)</span></br>
<em>Conference on Neural Information Processing Systems, 2023</em>
</p>
<p>A. Li, D. Misra, A. Kolobov, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Adversarial Model for Offline Reinforcement Learning</b>
<a href="https://arxiv.org/pdf/2302.11048.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Neural Information Processing Systems, 2023</em>
</p>
<p>M. Bhardwaj, T. Xie, B. Boots, N. Jiang, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">PLEX: Making the Most of the Available Data for Robotic Manipulation Pretraining</b>
<a href="https://arxiv.org/pdf/2303.08789.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Robot Learning, 2023</em>
</p>
<p>G. Thomas, <strong>C.-A. Cheng</strong>, R. Loynd, V. Vineet, M. Jalobeanu, and A. Kolobov</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Goal Representations for Instruction Following: A Semi-Supervised Language Interface to Control</b>
<a href="https://arxiv.org/pdf/2307.00117.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Robot Learning, 2023</em>
</p>
<p>V. Myers, A. He, K. Fang, H. Walke, P. Hansen-Estruch, <strong>C.-A. Cheng</strong>, M. Jalobeanu, A. Kolobov, A. Dragan, and S. Levine</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">MAHALO: Unifying Offline Reinforcement Learning and Imitation Learning from Observations</b>
<a href="https://arxiv.org/pdf/2303.17156.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://github.com/AnqiLi/mahalo" target="_blank"><i class="fab fa-github"></i></a>
</br>
<em>International Conference on Machine Learning, 2023</em>
</p>
<p>A. Li, B. Boots, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Provable Reset-free Reinforcement Learning by No-Regret Reduction</b>
<a href="https://arxiv.org/pdf/2301.02389.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Machine Learning, 2023</em>
</p>
<p>H.-A. Nguyen and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Hindsight Learning for MDPs with Exogenous Inputs</b>
<a href="https://arxiv.org/pdf/2207.06272.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Machine Learning, 2023</em>
</p>
<p>S. R. Sinclair, F. Frujeri, <strong>C.-A. Cheng</strong>, L. Marshall, H. Barbalho, J. Li, J. Neville, I. Menache, and A. Swaminathan</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Provably Efficient Lifelong Reinforcement Learning with Linear Function Representation</b>
<a href="https://arxiv.org/abs/2206.00270" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Learning Representations, 2023</em>
</p>
<p>S. Amani, L. F. Yang, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
<h5 class="pt-2">2022</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">MoCapAct: A Multi-Task Dataset for Simulated Humanoid Control</b>
<a href="https://openreview.net/pdf?id=sWOdnSkB0qu" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://mhauskn.github.io/mocapact.github.io/" target="_blank"><i class="far fa-window-maximize"></i></a>
</br>
<em>Neural Information Processing Systems Datasets and Benchmarks Track, 2022</em>
</p>
<p>N. Wagener, A. Kolobov, F. V. Frujeri, R. Loynd, <strong>C.-A. Cheng</strong>, and M. Hausknecht</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Adversarially trained actor critic for offline reinforcement learning</b>
<a href="https://arxiv.org/pdf/2202.02446.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
<a href="https://www.microsoft.com/en-us/research/blog/a-game-theoretic-approach-to-provably-correct-and-scalable-offline-rl/" target="_blank"><i class="far fa-window-maximize"></i></a>
<a href="https://github.com/microsoft/lightATAC" target="_blank"><i class="fab fa-github"></i></a>
</br>
<span class="pubsnote">Outstanding Paper Award, Runner-Up</span></br>
<em>International Conference on Machine Learning, 2022</em>
</p>
<p><strong>C.-A. Cheng</strong>*, T. Xie*, N. Jiang, and A. Agarwal</p>
</div>
</li>
</ul>
<h5 class="pt-2">2021</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Bellman-consistent pessimism for offline reinforcement learning</b>
<a href="https://arxiv.org/pdf/2106.06926.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Oral Presentation (<1%)</span></br>
<em>Advances in Neural Information Processing Systems, 2021</em>
</p>
<p>T. Xie, <strong>C.-A. Cheng</strong>, N. Jiang, P. Mineiro, and A. Agarwal</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Heuristic-guided reinforcement learning</b>
<a href="https://arxiv.org/pdf/2106.02757.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Advances in Neural Information Processing Systems, 2021</em>
</p>
<p><strong>C.-A. Cheng</strong>, A. Kolobov, and A. Swaminathan</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Safe reinforcement learning using advantage-based intervention</b>
<a href="https://arxiv.org/pdf/2106.09110.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Machine Learning, 2021</em>
</p>
<p>N. C. Wagener, B. Boots, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Cautiously optimistic policy optimization and exploration with linear function approximation</b>
<a href="https://arxiv.org/pdf/2103.12923.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Learning Theory, 2021</em>
</p>
<p>A. Zanette, <strong>C.-A. Cheng</strong>, and A. Agarwal</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">RMP²: A structured composable policy class for robot learning</b>
<a href="https://arxiv.org/pdf/2103.05922.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Robotics: Science and Systems, 2021</em>
</p>
<p>A. Li*, <strong>C.-A. Cheng</strong>*, M. A. Rana, M. Xie, K. Van Wyk, N. Ratliff, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Explaining fast improvement in online imitation learning</b>
<a href="https://arxiv.org/pdf/2007.02520.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Uncertainty in Artificial Intelligence, 2021</em>
</p>
<p>X. Yan, B. Boots, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">RMPflow: A geometric framework for generation of multitask motion policies</b>
<a href="https://arxiv.org/pdf/2007.14256.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE Transactions on Automation Science and Engineering, 2021</em>
</p>
<p><strong>C.-A. Cheng</strong>, M. Mukadam, J. Issac, S. Birchfield, D. Fox, B. Boots, and N. Ratliff</p>
</div>
</li>
</ul>
<h5 class="pt-2">2020</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Policy improvement via imitation of multiple oracles</b>
<a href="https://proceedings.neurips.cc/paper/2020/file/3c56fe2f24038c4d22b9eb0aca78f590-Paper.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Spotlight Presentation (<3%)</span></br>
<em>Advances in Neural Information Processing Systems, 2020</em>
</p>
<p><strong>C.-A. Cheng</strong>, A. Kolobov, and A. Agarwal</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Intra order-preserving functions for calibration of multi-class neural networks</b>
<a href="https://arxiv.org/pdf/2003.06820.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Advances in Neural Information Processing Systems, 2020</em>
</p>
<p>A. Rahimi*, A. Shaban*, <strong>C.-A. Cheng</strong>*, B. Boots, and R. Hartley</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">A reduction from reinforcement learning to no-regret online learning</b>
<a href="https://arxiv.org/pdf/1911.05873.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Artificial Intelligence and Statistics, 2020</em>
</p>
<p><strong>C.-A. Cheng</strong>, R. T. Combes, B. Boots, and G. Gordon</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Online learning with continuous variations: Dynamic regret and reductions</b>
<a href="https://arxiv.org/pdf/1902.07286.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Artificial Intelligence and Statistics, 2020</em>
</p>
<p><strong>C.-A. Cheng</strong>*, J. Lee*, K. Goldberg, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Extending Riemmanian Motion Policies to a Class of Underactuated Wheeled-Inverted-Pendulum Robots</b>
<a href="/docs/wingo2020extending.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>2020 IEEE International Conference on Robotics and Automation (ICRA), 2020</em>
</p>
<p>B. Wingo, <strong>C.-A. Cheng</strong>, M. Murtaza, M. Zafar, and S. Hutchinson</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Trajectory-wise control variates for variance reduction in policy gradient methods</b>
<a href="https://arxiv.org/pdf/1908.03263.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Robot Learning, 2020</em>
</p>
<p><strong>C.-A. Cheng</strong>, X. Yan, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Riemannian motion policy fusion through learnable lyapunov function reshaping</b>
<a href="https://arxiv.org/pdf/1910.02646.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on robot learning, 2020</em>
</p>
<p>M. Mukadam, <strong>C.-A. Cheng</strong>, D. Fox, B. Boots, and N. Ratliff</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Imitation learning for agile autonomous driving</b>
<a href="/docs/pan2019imitation.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>The International Journal of Robotics Research, 2020</em>
</p>
<p>Y. Pan, <strong>C.-A. Cheng</strong>, K. Saigol, K. Lee, X. Yan, E. A. Theodorou, and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2019</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Stable, concurrent controller composition for multi-objective robotic tasks</b>
<a href="https://arxiv.org/pdf/1903.12605.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>2019 IEEE 58th Conference on Decision and Control (CDC), 2019</em>
</p>
<p>A. Li, <strong>C.-A. Cheng</strong>, B. Boots, and M. Egerstedt</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">A singularity handling algorithm based on operational space control for six-degree-of-freedom anthropomorphic manipulators</b>
<a href="https://journals.sagepub.com/doi/pdf/10.1177/1729881419858910" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Journal of Advanced Robotic Systems, 2019</em>
</p>
<p>Z.-H. Kang, <strong>C.-A. Cheng</strong>, and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">An Online Learning Approach to Model Predictive Control</b>
<a href="https://arxiv.org/pdf/1902.08967.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Best Student Paper Award & Best Systems Paper Award, Finalist</span></br>
<em>Robotics: Science and Systems, 2019</em>
</p>
<p>N. Wagener*, <strong>C.-A. Cheng</strong>*, J. Sacks, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Predictor-corrector policy optimization</b>
<a href="https://arxiv.org/pdf/1810.06509.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Long Talk (<5%)</span></br>
<em>International Conference on Machine Learning, 2019</em>
</p>
<p><strong>C.-A. Cheng</strong>, X. Yan, N. Ratliff, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Accelerating imitation learning with predictive models</b>
<a href="https://arxiv.org/pdf/1806.04642.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>The 22nd International Conference on Artificial Intelligence and Statistics, 2019</em>
</p>
<p><strong>C.-A. Cheng</strong>, X. Yan, E. Theodorou, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Truncated back-propagation for bilevel optimization</b>
<a href="https://arxiv.org/pdf/1810.10667.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>The 22nd International Conference on Artificial Intelligence and Statistics, 2019</em>
</p>
<p>A. Shaban*, <strong>C.-A. Cheng</strong>*, N. Hatch, and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2018</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">RMPflow: A computational graph for automatic motion policy generation</b>
<a href="https://arxiv.org/pdf/1811.07049.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Workshop on the Algorithmic Foundations of Robotics, 2018</em>
</p>
<p><strong>C.-A. Cheng</strong>, M. Mukadam, J. Issac, S. Birchfield, D. Fox, B. Boots, and N. Ratliff</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Orthogonally Decoupled Variational Gaussian Processes</b>
<a href="https://arxiv.org/pdf/1809.08820.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Conference on Neural Information Processing Systems, 2018</em>
</p>
<p>H. Salimbeni*, <strong>C.-A. Cheng</strong>*, B. Boots, and M. Deisenroth</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Fast Policy Learning using Imitation and Reinforcement</b>
<a href="https://arxiv.org/pdf/1805.10413.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Selected for Plenary Presentation (<8%)</span></br>
<em>Conference on Uncertainty in Artificial Intelligence, 2018</em>
</p>
<p><strong>C.-A. Cheng</strong>, X. Yan, N. Wagener, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Agile Off-Road Autonomous Driving Using End-to-End Deep Imitation Learning</b>
<a href="https://arxiv.org/pdf/1709.07174.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Best Systems Paper Award, Finalist</span></br>
<em>Robotics: Science and Systems, 2018</em>
</p>
<p>Y. Pan, <strong>C.-A. Cheng</strong>, K. Saigol, K. Lee, X. Yan, E. Theodorou, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Convergence of Value Aggregation for Imitation Learning</b>
<a href="https://arxiv.org/pdf/1801.07292.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Best Paper Award</span></br>
<em>International Conference on Artificial Intelligence and Statistics, 2018</em>
</p>
<p><strong>C.-A. Cheng</strong> and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Optical sensing and control methods for soft pneumatically actuated robotic manipulators</b>
<a href="/docs/molnar2017optical.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>2018 IEEE International Conference on Robotics and Automation (ICRA), 2018</em>
</p>
<p>J. L. Molnar, <strong>C.-A. Cheng</strong>, L. O. Tiziani, B. Boots, and F. L. Hammond</p>
</div>
</li>
</ul>
<h5 class="pt-2">2016-2017</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Variational Inference for Gaussian Process Models with Linear Complexity</b>
<a href="https://arxiv.org/pdf/1711.10127.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Advances in Neural Information Processing Systems, 2017</em>
</p>
<p><strong>C.-A. Cheng</strong> and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Approximately Optimal Continuous-Time Motion Planning and Control via Probabilistic Inference</b>
<a href="https://arxiv.org/pdf/1702.07335.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE International Conference on Robotics and Automation, 2017</em>
</p>
<p>M. Mukadam, <strong>C.-A. Cheng</strong>, X. Yan, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Incremental Variational Sparse Gaussian Process Regression</b>
<a href="https://proceedings.neurips.cc/paper/2016/file/2596a54cdbb555cfd09cd5d991da0f55-Paper.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Advances in Neural Information Processing Systems, 2016</em>
</p>
<p><strong>C.-A. Cheng</strong> and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Learn the Lagrangian: A Vector-Valued RKHS Approach to Identifying Lagrangian Systems</b>
<a href="/docs/cheng2016learn.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE Transactions on Cybernetics, 2016</em>
</p>
<p><strong>C.-A. Cheng</strong> and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Virtual Impedance Control for Safe Human-Robot Interaction</b>
<a href="/docs/lo2016virtual.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Journal of Intelligent & Robotic Systems, 2016</em>
</p>
<p>S.-Y. Lo, <strong>C.-A. Cheng</strong>, and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Learning the inverse dynamics of robotic manipulators in structured reproducing kernel Hilbert space</b>
<a href="/docs/cheng2016learning.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE Transactions on Cybernetics, 2016</em>
</p>
<p><strong>C.-A. Cheng</strong>, H.-P. Huang, H.-K. Hsu, W.-Z. Lai, and C.-C. Cheng</p>
</div>
</li>
</ul>
<h5 class="pt-2">2010-2015</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Humanoid robot push-recovery strategy based on CMP criterion and angular momentum regulation</b>
<a href="/docs/chang2015humanoid.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE International Conference on Advanced Intelligent Mechatronics, 2015</em>
</p>
<p>C.-H. Chang, H.-P. Huang, H.-K. Hsu, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Efficient grasp synthesis and control strategy for robot hand-arm system</b>
<a href="/docs/huang2015efficient.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE International Conference on Automation Science and Engineering, 2015</em>
</p>
<p>M.-B. Huang, H.-P. Huang, C.-C. Cheng, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Development of a P300 BCI and design of an elastic mechanism for a rehabilitation robot</b>
<a href="/docs/huang2015development.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Journal of Automation and Smart Technology, 2015</em>
</p>
<p>H.-P. Huang, Y.-H. Liu, W.-Z. Lin, Z.-H. Kang, <strong>C.-A. Cheng</strong>, and T.-H. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Identification of the inverse dynamics of robot manipulators with the structured kernel</b>
<a href="/docs/cheng2013identification.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Automatic Control Conference, 2013</em>
</p>
<p><strong>C.-A. Cheng</strong>, H.-P. Huang, H.-K. Hsu, W.-Z. Lai, C.-C. Cheng, and Y.-C. Li</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Self-learning assistive exoskeleton with sliding mode admittance control</b>
<a href="/docs/huang2013self.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE/RSJ International Conference on Intelligent Robots and Systems, 2013</em>
</p>
<p>T.-H. Huang, <strong>C.-A. Cheng</strong>, and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Bayesian human intention estimator for exoskeleton system</b>
<a href="/docs/cheng2013bayesian.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2013</em>
</p>
<p><strong>C.-A. Cheng</strong>, T.-H. Huang, and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Design of a new hybrid control and knee orthosis for human walking and rehabilitation</b>
<a href="/docs/huang2012design.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>IEEE/RSJ International Conference on Intelligent Robots and Systems, 2012</em>
</p>
<p>T.-H. Huang, H.-P. Huang, <strong>C.-A. Cheng</strong>, J.-Y. Kuan, P.-T. Lee, and S.-Y. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Development of a Brain-machine Interface for Motor Imagination Task</b>
<a href="/docs/huang2012development.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on Automation Technology, 2012</em>
</p>
<p>H.-P. Huang, Y.-H. Liu, T.-H. Huang, Z.-H. Kang, W.-Z. Lin, W. Ching-Ping, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Novel feature of the EEG based motor imagery BCI system: Degree of imagery</b>
<a href="/docs/liu2011novel.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>International Conference on System Science and Engineering, 2011</em>
</p>
<p>Y.-H. Liu, <strong>C.-A. Cheng</strong>, and H.-P. Huang</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Motor Imagery Recognition for Brain-computer Interfaces using Hilbert-Huang Transform and Effective Event-related-desynchronization Features</b>
<a href="/docs/cheng2010motor.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>CSME National Conference, 2010</em>
</p>
<p><strong>C.-A. Cheng</strong>, Y.-H. Liu, and H.-P. Huang</p>
</div>
</li>
</ul>
</br>
</div>
</div>
</section>
<section class="bg-color-a">
<div class="container py-0 mb-2">
<div class="ml-auto mr-auto col-12 col-md-10 col-lg-10">
<h3 class="pub">Workshop Papers</h3>
<h5 class="pt-2">2024</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Trace is the New AutoDiff–Unlocking Efficient Optimization of Computational Workflows</b>
</br>
<em>ICML 2024 AutoRL Workshop, 2024</em>
</p>
<p><strong>C.-A. Cheng</strong>*, A. Nie*, and A. Swaminathan*</p>
</div>
</li>
</ul>
<h5 class="pt-2">2023</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Importance of Directional Feedback for LLM-based Optimizers</b>
</br>
<em>NeurIPS 2023 Foundation Models for Decision Making Workshop, 2023</em>
</p>
<p>Allen, Nie, <strong>C.-A. Cheng</strong>, A. Kolobov, and A. Swaminathan</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Simple Data Sharing for Multi-Tasked Goal-Oriented Problems</b>
</br>
<em>Goal-Conditioned Reinforcement Learning Workshop at NeurIPS 2023, 2023</em>
</p>
<p>Y. Fan, J. Li, A. Swaminathan, A. Modi, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Interactive Robot Learning from Verbal Corrections</b>
<a href="https://arxiv.org/pdf/2310.17555.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Workshop on Language and Robot Learning at CoRL 2023, 2023</em>
</p>
<p>H. Liu, A. Chen, Y. Zhu, A. Swaminathan, A. Kolobov, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Learning Multi-task Action Abstractions as Sequence Compression Problem</b>
</br>
<span class="pubsnote">Spotlight</span></br>
<em>CoRL 2023 Workshop on Pre-training for Robot Learning, 2023</em>
</p>
<p>R. Zheng, <strong>C.-A. Cheng</strong>, H. Furong, and A. Kolobov</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Survival Instinct in Offline Reinforcement Learning and Implicit Human Bias in Data</b>
<a href="https://openreview.net/pdf?id=yFUj2m0nZQ" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Oral Presentation</span></br>
<em>Interactive Learning with Implicit Human Feedback Workshop at ICML 2023, 2023</em>
</p>
<p>A. Li, D. Misra, A. Kolobov, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Provable Reset-free Reinforcement Learning by No-Regret Reduction</b>
<a href="https://arxiv.org/pdf/2301.02389.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Spotlight</span></br>
<em>AAAI 2023 Reinforcement Learning Ready for Production Workshop, 2023</em>
</p>
<p>H.-A. Nguyen and <strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
<h5 class="pt-2">2022</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">ARMOR: A Model-based Framework for Improving Arbitrary Baseline Policies with Offline Data</b>
<a href="https://arxiv.org/pdf/2211.04538.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>NeurIPS 2022 Offline RL Workshop, 2022</em>
</p>
<p>T. Xie, M. Bhardwaj, N. Jiang, and <strong>C.-A. Cheng</strong></p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">HEETR: Pretraining for Robotic Manipulation on Heteromodal Data</b>
<a href="/docs/thomas2022heetr.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>CoRL 2022 Workshop on Pre-training Robot Learning, 2022</em>
</p>
<p>G. Thomas, A. Kolobov, <strong>C.-A. Cheng</strong>, V. Vineet, and M. Jalobeanu</p>
</div>
</li>
</ul>
<h5 class="pt-2">2020</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">RMP²: A Differentiable Policy Class for Robotic Systems with Control-Theoretic Guarantees</b>
<a href="/docs/li2020rmp2.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>NeurIPS 2020 3rd Robot Learning Workshop, 2020</em>
</p>
<p>A. Li*, <strong>C.-A. Cheng</strong>*, M. A. Rana, N. Ratliff, and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2019</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Continuous Online Learning and New Insights to Online Imitation Learning</b>
<a href="https://arxiv.org/pdf/1912.01261.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<span class="pubsnote">Best Paper Award</span></br>
<em>NeurIPS 2019 Optimization Foundations of Reinforcement Learning Workshop, 2019</em>
</p>
<p>J. Lee*, <strong>C.-A. Cheng</strong>*, K. Goldberg, and B. Boots</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Trajectory-wise Control Variates for Variance Reduction in Policy Gradient Method</b>
<a href="/docs/yan2019trajectory.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>NeurIPS 2019 Optimization Foundations of Reinforcement Learning Workshop, 2019</em>
</p>
<p><strong>C.-A. Cheng</strong>*, X. Yan*, and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2018</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Predictor-Corrector Policy Optimization</b>
<a href="/docs/cheng2018predictor.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Deep Reinforcement Learning Workshop NeurIPS, 2018</em>
</p>
<p><strong>C.-A. Cheng</strong>, X. Yan, N. Ratliff, and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2017</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Learning Deep Neural Network Control Policies for Agile Off-Road Autonomous Driving</b>
<a href="/docs/pan2017imitation.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>The NIPS Deep Reinforcement Learning Symposium, 2017</em>
</p>
<p>Y. Pan, <strong>C.-A. Cheng</strong>, K. Saigol, K. Lee, X. Yan, E. Theodorou, and B. Boots.</p>
</div>
</li>
<li>
<div>
<p class="pub">
<b class="pubstitle">Convergence of Value Aggregation for Imitation Learning</b>
<a href="/docs/cheng2017convergence.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>The NIPS Deep Reinforcement Learning Symposium, 2017</em>
</p>
<p><strong>C.-A. Cheng</strong> and B. Boots</p>
</div>
</li>
</ul>
<h5 class="pt-2">2016</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Incremental Variational Sparse Gaussian Process Regression</b>
<a href="/docs/cheng2016incremental.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>NIPS Workshop on Adaptive and Scalable Nonparametric Methods in Machine Learning, 2016</em>
</p>
<p><strong>C.-A. Cheng</strong> and B. Boots</p>
</div>
</li>
</ul>
</br>
</div>
</div>
</section>
<section class="bg-color-b">
<div class="container py-0 mb-2">
<div class="ml-auto mr-auto col-12 col-md-10 col-lg-10">
<h3 class="pub">Theses</h3>
<h5 class="pt-2">2020</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Efficient and Principled Robot Learning: Theory and Algorithms</b>
<a href="/docs/cheng2020thesis.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>Georgia Institute of Technology, 2020</em>
</p>
<p><strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
<h5 class="pt-2">2013</h5>
<ul>
<li>
<div>
<p class="pub">
<b class="pubstitle">Robot Dynamics Learning and Human-Robot Interaction</b>
<a href="/docs/cheng2013thesis.pdf" target="_blank"><i class="fa fa-paperclip"></i></a>
</br>
<em>National Taiwan University, 2013</em>
</p>
<p><strong>C.-A. Cheng</strong></p>
</div>
</li>
</ul>
</br>
</div>
</div>
</section>
<script
src="https://use.fontawesome.com/releases/v5.5.0/js/all.js"
integrity="sha384-GqVMZRt5Gn7tB9D9q7ONtcp4gtHIUEW/yG7h98J7IpE3kpi+srfFyyB/04OV6pG0"
crossorigin="anonymous"
></script>
<script
src="https://stackpath.bootstrapcdn.com/bootstrap/4.1.3/js/bootstrap.min.js"
integrity="sha384-ChfqqxuZUCnJSK3+MXmPNIyE6ZbWh2IMqE241rYiqJxyMiZ6OW/JmZQ5stwEULTy"
crossorigin="anonymous"
></script>
</body>
<footer class="page-footer bg-light">
<div class="footer-copyright text-center py-3 text-muted">
<small>Copyright © Ching-An Cheng 2022</small>
</div>
</footer>
</html>
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 26
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 26 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /docs/ching-an-cheng-cv.pdf |
<i class="fa fa-file"></i> CV
|
|
|
| /docs/wingo2020extending.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/pan2019imitation.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/molnar2017optical.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2016learn.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/lo2016virtual.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2016learning.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/chang2015humanoid.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/huang2015efficient.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/huang2015development.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2013identification.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/huang2013self.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2013bayesian.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/huang2012design.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/huang2012development.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/liu2011novel.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2010motor.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/thomas2022heetr.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/li2020rmp2.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/yan2019trajectory.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2018predictor.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/pan2017imitation.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2017convergence.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2016incremental.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2020thesis.pdf |
<i class="fa fa-paperclip"></i>
|
|
|
| /docs/cheng2013thesis.pdf |
<i class="fa fa-paperclip"></i>
|
|
Внешние ссылки
Кол-во: 74
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 74 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| scholar.google.com |
<i class="ai ai-google-scholar-square"></i> Google Scholar
|
Анализировать url |
| research.google |
Learning Theory Group
|
Анализировать url |
| research.google |
Google Research
|
Анализировать url |
| microsoft.com |
MSR AI Frontiers
|
Анализировать url |
| microsoft.github.io |
<u>Trace</u>
|
Анализировать url |
| gatech.edu |
Georgia Tech
|
Анализировать url |
| homes.cs.washington.edu |
Byron Boots
|
Анализировать url |
| research.gatech.edu |
Institute for
Robotics and Intelligent Machines
|
Анализировать url |
| microsoft.com |
Microsoft Research AI
|
Анализировать url |
| alekhagarwal.net |
Alekh Agarwal
|
Анализировать url |
| microsoft.com |
Andrey Kolobov
|
Анализировать url |
| nvidia.com |
Nvidia
Research
|
Анализировать url |
| nathanratliff.com |
Nathan Ratliff
|
Анализировать url |
| homes.cs.washington.edu |
Dieter Fox
|
Анализировать url |
| ntu.edu.tw |
National Taiwan University
|
Анализировать url |
| me.ntu.edu.tw |
Han-Pang Huang
|
Анализировать url |
| nvidia.com |
NVIDIA Graduate Fellowship
|
Анализировать url |
| research.google |
Google
PhD Fellowship
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| microsoft.github.io |
<i class="far fa-window-maximize"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| ut-austin-rpl.github.io |
<i class="far fa-window-maximize"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| microsoft.github.io |
<i class="far fa-window-maximize"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| github.com |
<i class="fab fa-github"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| openreview.net |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| mhauskn.github.io |
<i class="far fa-window-maximize"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| microsoft.com |
<i class="far fa-window-maximize"></i>
|
Анализировать url |
| github.com |
<i class="fab fa-github"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| proceedings.neurips.cc |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| journals.sagepub.com |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| proceedings.neurips.cc |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| openreview.net |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
| arxiv.org |
<i class="fa fa-paperclip"></i>
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Анализ сайта chinganc.com, слабо оптимизирован на 42%. Для хорошей оптимизации и выхода на первые места в поиске требуется:
Постарайтесь исправить общие ошибки.
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: