Nov, 2020

鹦鹉：数据驱动的强化学习行为先验

PDF
TL;DR本论文提出了一种用于预训练行为先验的方法，以便捕捉先前看到的各种任务中观察到的复杂输入输出关系，并展示了如何使用这种学习到的先验以便快速学习新任务，有效地解决了具有挑战性的机器人操纵领域中的问题。
发现论文，激发创造
  • 高效强化学习的行为先验

    本文介绍了如何使用概率建模与信息结构约束相结合的方法来学习行为先验，并将其有效地整合到强化学习框架中，以实现多任务与转移学习。最后通过在一系列仿真连续控制域上的应用来展示该框架的有效性。

    Oct, 2020

  • 使用 RL 和基于记忆片段的行为先验进行规划

    本文提出了一种规划方法，使用行为先验知识帮助增强学习中的有效探索和学习，表明探索策略形式的行为先验可以帮助代理更快地学习。

    Jul, 2022

  • 通过元反强化学习学习意图的先验知识

    本文通过学习先验 (prior) 函数从其他任务的演示中推断奖励函数 (reward functions)，以优化从有限的演示中推断表达丰富的奖励函数的能力，并演示了该方法可以有效地从图像中恢复新任务的奖励。

    May, 2018

  • 深度强化学习中的预训练调查

    该论文系统地评估了目前深度强化学习领域中采用的预训练方法，提出了分类体系、讨论了各个方面，并关注了未来可能遇到的挑战和需要探索的方向。

    Nov, 2022

  • 继续做有效的事情：行为建模先验用于离线强化学习

    本文提出了一种能够适用于机器人控制等实际问题，同时在批处理状态下能够有效学习的算法，该算法采用了优势加权行为模型 (ABM) 来对先前执行过的成功动作进行刻画，并对新的任务中可能成功的动作进行策略偏置，实验表明我们的算法在标准连续控制基准测试和多任务学习中都有着较好的效果。

    Feb, 2020

  • 使用归纳先验学习三维机器人感知

    通过使用结构性归纳偏差和先验知识，在机器人感知问题中提出了多种先验知识的来源和编码方法，以解决物体定位、决策制定和场景理解等挑战性问题。

    May, 2024

  • 学习技能先验加速强化学习

    通过学习技能先验分布，将其用于最大熵强化学习，能够在导航和机器人操作任务中实现有效的技能传输。

    Oct, 2020

  • 符号引导下基于事后先验的从人类偏好中学习奖励

    本文研究强化学习中的奖励函数的学习，提出了利用先验知识和偏好数据约束奖励函数的 PRIOR 框架，可以降低 50% 的反馈数量并提高奖励函数学习和代理性能。

    Oct, 2022

  • 软动作先验：实现强化学习中的稳健策略转移

    通过引入动作先验，结合奖励整形和辅助正则化损失的方法，该论文提出了一种适应性算法，可以高效地利用先验知识，特别是软动作先验，取得了在 Reinforcement Learning 问题上的最新成果和深度 RL 的鲁棒性改进。

    Sep, 2022

  • 视频预训练（VPT）：通过观看未标记的在线视频学习行为

    该研究探索了如何利用半监督式模仿学习的方法，在游戏领域中通过预训练行为先验模型来实现强化学习，从而达到人类甚至更高的行为水平。

    Jun, 2022