Oct, 2022

利用渐进领域自适应的最优传输进行课程强化学习

HTML
PDF
TL;DR该研究将课程机器学习作为优化输运问题来量化和生成任务分布之间的移动，并提出了一种称为GRADIENT的算法来处理连续和离散背景下的非参数分布。 实验结果表明，该算法在学习效率和渐进性能方面均优于基线。
发现论文，激发创造
  • 强化学习中的课程表政策学习

    本文研究课程学习在强化学习中的应用，并针对多个传递学习算法扩展已有的课程设计方法，通过学习MDP（Markov Decision Process)过程中的课程策略，得出可以用于训练代理人的课程，进而实现更快或同等方法的学习效率。

    Dec, 2018

  • 课程学习中任务排序的优化框架

    本文研究了如何通过选择不同目标函数，使用课程学习在强化学习中优化任务序列，提高初始性能，减少探索过程中的次优动作，并发现更好的策略。

    Jan, 2019

  • 半监督和无监督技能探索的动态距离学习

    本篇论文研究了如何通过自主互动学习动态距离，并使用它们来提供良好的奖励函数，以便无需人为设计奖励函数或目标示例，使用半监督学习方法在实际机器人和仿真环境中有效地执行复杂任务。

    Jul, 2019

  • 深度强化学习的自动课程学习：简要调查

    本文介绍了自动课程学习（ACL）的相关文献，并对当前状态进行了概述，旨在促进现有概念的交叉和新思想的出现。ACL是深度强化学习成功的中坚力量，可用于改善样本效率和渐进性能，组织探索，鼓励泛化或解决稀疏奖励问题，等等。

    Mar, 2020

  • 强化学习领域的课程学习: 框架与综述

    本文提出了强化学习中的课程学习框架，并使用此框架对现有的课程学习方法进行分类和研究，以找出未解决的问题并提出未来研究的方向。

    Mar, 2020

  • 离线动态强化学习: 通过领域分类器进行转移训练

    我们提出了一种简单、实用和直观的强化学习领域自适应方法，通过修改奖励函数，使用辅助分类器来区分源域和目标域，对源域中不可能出现的状态进行惩罚，适用于连续状态和动作的域，可扩展至高维任务。

    Jun, 2020

  • 关于最优传输在课程强化学习中的益处

    通过将课程设置为任务分布之间的插值，将生成课程作为约束优化传输问题来提高课程强化学习（CRL）方法的性能，从而在具有不同特点的各种任务中取得高性能。

    Sep, 2023

  • CQM：基于量化世界模型的课程强化学习

    我们提出了一种新的课程方法，通过自动定义语义目标空间以及在其上提出课程目标来缓解以往方法在高维度空间中生成课程目标时遇到的挑战，并改善课程的可伸缩性。我们通过向量量化变分自动编码器(VQ-VAE)将连续观测离散化，并通过图形恢复离散观测之间的时序关系。同时，我们提出了考虑不确定性和时间距离的课程目标，这些目标能够收敛到自动组合的目标空间的最终目标。我们证明了该方法仅仅通过原始目标示例就能在未知环境中实现高效探索，且在各种目标达成任务中，甚至使用自我中心视觉输入时，该方法在数据效率和性能上都优于最先进的课程增强学习方法。

    Oct, 2023

  • 利用混合专家的课程强化学习获取多样化技能

    强化学习中的多样技能学习，使用混合专家方法和最大熵目标优化每个专家的上下文分布，以激励在相似情境中学习多样技能。利用基于能量的模型来表示每个专家的上下文分布，通过标准策略梯度目标有效地训练它们，进一步解决了环境未知上下文概率空间中的难以处理的不连续性和多模态问题，通过在挑战性的机器人模拟任务中展示，Di-SkilL可以学习出多样且高效的技能。

    Mar, 2024

  • 逆向前馈课程学习在强化学习中的极端样本和演示效率优化

    采用逆序课程和正序课程相结合的方法，RFCL，在学习从示范中获得显著改进，并且能够解决过去无法解决的需要高精度和控制的任务。

    May, 2024