May, 2023

可控制的破坏路径

PDF
TL;DR这篇论文介绍了一种名为 PoD 的自监督学习方法，用于学习迭代生成器，特别适用于由分类数据组成的功能性工件，扩展后可以允许设计师控制生成物品的方方面面。
self-supervised learninggeneratorcategorical datacontrollabilityrepair trajectories
发现论文，激发创造
  • 调节轨迹生成器的政策

    本文提出了一种利用简单策略调制轨迹生成器的体系结构，通过深度强化学习和进化策略学习出具有可控行为的四足机器人运动，实现了从 IMU 观测数据中控制速度的步态诱导。

    Oct, 2019

  • 混沌中的阶梯：通过策略路径修剪和增强对普适 DRL 算法进行简单有效的改进

    本文研究深度强化学习代理策略网络在学习过程中的演化，发现参数更新存在重大方向和次要方向，提出了基于此发现的简单而有效的方法 Policy Path Trimming and Boosting (PPTB)，并证明其与 TD3 和 RAD 在 MuJoCo 和 DMC 环境中结合使用可以带来更好的性能改进。

    Mar, 2023

  • 带初始热启动的偏微分方程控制的政策优化

    通过增加策略优化步骤，将模型控制器与降维模型相结合，实现对混沌行为的偏差建模误差补偿，提高模型控制器性能。

    Mar, 2024

  • 基于目标分布学习的连续控制策略搜索

    本研究提出了新的强化学习方法 —— 目标分布学习 (TDL)，通过交替提出目标分布和训练策略网络来解决现有策略梯度方法可能出现过大梯度和训练不稳定的问题，实验发现这种方法能得到类似或更好的结果，并且更加稳定。

    May, 2019

  • 关于增量学习的测地路径学习

    本研究通过构建低维流形来最小化当前和之前的网络响应之间的差异，从而有效地防止神经网络进行连续学习时的 “灾难性遗忘” 现象，这是一种能够高效和稳健地从连续经验中学习的重要过程。

    Apr, 2021

  • 通过引导轨迹扩散控制行人动画的追踪与节奏

    利用引导扩散建模，实现自定义目标和环境因素下的真实行人轨迹和全身动画控制，并提出利用 RL 训练的价值函数指导扩散生成更适合特殊场景的轨迹。

    Apr, 2023

  • 退化调整：使用混淆网格屏蔽稳定扩散中的非期望概念

    通过使用一种名为 Degeneration-Tuning (DT) 的新策略，本研究提出了一种方法来保护文本到图像扩散模型中不需要的概念内容，同时对其他内容的生成质量影响较小。

    Aug, 2023

  • 基于邻域策略优化的拥堵高速公路交通控制学习

    本研究提出了一种基于 PPO 强化学习的延迟补偿反馈控制器，通过控制自适应巡航控制（ACC）车辆的时间间隔来稳定拥堵区域的交通流量，使用 ARZ 模型对一段高速公路上的交通流进行仿真实验，结果表明，相对于 Lyapunov 控制，PPO 控制具有更快的收敛速度和更少的控制力，在具有输入延迟的交通系统中，PPO 控制器的性能与后方补偿控制器的性能相当。然而，PPO 对参数扰动具有鲁棒性，而后方补偿控制器无法稳定其中一个参数受高斯噪声扰动的系统。

    Apr, 2022

  • 复杂和连续状态行动空间的专用深度残差策略安全强化学习控制器

    传统控制器有局限性，深度强化学习通过在环境中进行探索来学习最优控制策略，为安全关键环境提出专门的深度残差策略安全强化学习方法，并在 Tennessee Eastman 过程控制中进行验证。

    Oct, 2023

  • 通过激励持久性来提高神经网络的鲁棒性

    研究表明，使用保持激励持久性（PoE）的方法作为指导，将梯度下降更新限制在收敛于真实参数的参考持久激励轨迹上可以提高神经网络对抗攻击的鲁棒性。

    Jun, 2021