Jul, 2022

互动强化学习中反馈频率对于机器人任务的影响量化

PDF
TL;DR本文研究了交互反馈频率对强化学习在连续状态和动作空间的机器人任务中的影响，证明了随着机器人操作熟练度的提高应该改变反馈频率而不是坚持使用单一的最佳反馈频率。
发现论文，激发创造
  • 学习低频运动控制，实现鲁棒和动态机器人运动

    通过在真实机器人 ANYmal C 上执行 8-200Hz 的深度强化学习基于动作控制策略，我们展示了使用低频控制某种程度上可以实现比高频控制更加鲁棒和动态的机器人运动，这在不考虑动力学随机化或作用建模的情况下即可成功进行模拟到实物的转移。

    Sep, 2022

  • 多频率离线强化学习

    研究离线机器人数据的异构性，着重于不同控制频率下离线数据的学习，提出一种简单且有效的方法，通过对 Q 值更新速度的保持一致性平衡 Q 值传播，最终在三个模拟机器人控制问题中显著提高算法性能。

    Jul, 2022

  • 基于强化学习的产品配送频率控制

    本文提出了一种个性化的方法来解决现代推荐系统中的频率控制问题，结合了强化学习和 “Effective Factor” 技术，通过长期价值优化和资源效率的提高，在规模达数十亿用户的通知应用中取得了显著的日常指标和资源效率的提高。

    Dec, 2020

  • 基于强化学习的具身智能体通过互动与多感知模拟对人类用户进行建模

    本文研究交互式机器学习的发展和应用，探讨人类反馈对于机器人行为的影响和提高机器人性能的方法，发现人类反馈参数对于任务性能的影响很大，需要更好地了解人类反馈的潜在变量以更好地处理人机交互领域的问题。

    Jan, 2017

  • 异步人类反馈下的自主机器人强化学习

    实现自主学习的算法对于在真实环境中的机器人来说一直是个挑战，但本研究描述了一个实际的强化学习系统，通过在真实环境中进行训练，并借助人类的反馈来实现不间断的改进。该系统在不需要设计奖励函数或重置机制的情况下，通过自我监督学习算法和人类反馈产生的信息来指导探索和筛选学习策略。在模拟环境和真实世界中的机器人任务上的评估结果表明，该系统能够有效地学习行为。

    Oct, 2023

  • 物理机器人实时控制的异步强化学习

    本文论述了异步学习和顺序学习的比较，并在真实环境下使用机器人手臂和视觉任务进行了实验。研究结果表明，当学习更新的时间成本增加时，顺序学习的性能会显著下降，而异步学习会明显胜过顺序学习。

    Mar, 2022

  • 通过行为持久性在批强化学习中控制频率自适应

    本文介绍了一种基于动作重复的新算法 PFQI，旨在增强强化学习算法的性能，在理论上和实验中得到验证。

    Feb, 2020

  • 变量决策频率选项评论家

    本研究提出一种名为 CTCO 的框架，使学习智能体通过选择变量持续时间的子策略来实现在可能的情况下以低频率运作，并在必要时以高频率运作，从而克服了决策频率选择的困难。

    Dec, 2022

  • 强化学习中的一次性回馈理论

    我们研究了一种强化学习的理论，学习者只在每次学习完成后收到一次二元反馈。我们提供了一种具有统计和计算效率的算法，可以在这种更具挑战性的情况下实现学习。该算法可以在未知参数模型生成的轨迹标签上运行，并达到亚线性遗憾。

    May, 2021

  • DQN-TAMER: 人类参与反馈的强化学习与难以处理的反馈

    本研究使用即时反馈，通过引入人与环境的互动，提高了强化学习在机器人学中的应用性，并提出了一种 DQN-TAMER 算法，在模拟和现实环境中都有优越表现。

    Oct, 2018