May, 2024

噪声与不确定环境中的深度强化学习奖励机制

PDF
TL;DR用于嘈杂和不确定环境下的深度强化学习中，通过对任务结构进行利用，我们提出了一套 RL 算法，成功地提高了在词汇嘈杂的环境下的性能，从而为在部分可观察环境中利用 Reward Machines 提供了一个通用的框架。
reward machinestemporally extended reward-worthy behaviourcounterfactual learning updatesnoisy and uncertain environmentspartially observable environments
发现论文，激发创造
  • 深度强化学习中的嘈杂符号抽象：以奖励机器为案例研究

    本篇文章提出了一种特殊的 POMDP 优化问题，研究当使用 Reward Machines 作为奖励函数语言时，对于状态到符号语言的映射不确定的情况下，如何通过强化学习生成策略，并通过实验证明了这种方法的有效性和现有方法的局限性。

    Nov, 2022

  • 奖励机器：在强化学习中利用奖励函数结构

    该论文介绍了如何使用奖励机制来支持强化学习中的学习过程，并探讨了如何通过奖励机制结构的利用，来提高样本利用率和最终策略的质量。

    Oct, 2020

  • 深度强化学习中奖励机制抽象的上下文预规划，以增强迁移能力

    为解决深度强化学习代理在任务转移中的过度拟合问题和对现实环境的适应性差的问题，提出一种基于奖励机器的任务表示方法，使用抽象状态图与任务奖励动态的相互作用诱导子任务，从而实现在不同任务间的知识共享和过程优化的目标。经实验测试表明，该方法在各个领域中提高了样本效率和少量训练次数下的转移性能。

    Jul, 2023

  • 在部分已知语义环境中联合学习奖励机制和策略

    该论文研究了强化学习在奖励机制下的任务，提出了一种利用概率估计和 Q-learning 算法的强化学习算法，能够成功推断出奖励机制并且渐进地学习任务的策略，即使环境中的原子命题的真值存在不确定性。

    Apr, 2022

  • 协作多智体强化学习的奖励机器

    研究团队提出使用奖励机器（RM）对协作多智能体强化学习中的团队任务进行编码，分解任务成子任务分配给个体智能体去完成，提出一种分布式完成子任务的算法，提供了一种自然去中心化学习的方法，并在实验中验证了所提出的方法非常有效。

    Jul, 2020

  • 扰动奖励的强化学习

    本研究旨在提出一种在充满噪音的环境中学习的鲁棒性强的强化学习框架以及利用替代奖励来训练优化策略，实验表明我们的方法在提高期望奖励、加速收敛等方面的效果优于现有基线算法。

    Oct, 2018

  • 智能驱动增强学习的鲁棒性评估

    采用奖励机制的智能驱动增强学习的鲁棒性问题需要进一步研究以加强当前先进的增强学习方法并达到应用于关键任务的状态。

    Nov, 2023

  • Ω 正则奖励机

    通过将奖励机制与 ω- 正则语言相结合，本文介绍了 ω- 正则奖励机器，用于强化学习中的非马尔可夫奖励的表达，提出了一个模型无关的 RL 算法来计算针对 ω- 正则奖励机器的 epsilon - 最优策略，并通过实验证明了算法的有效性。

    Aug, 2023

  • 检测隐藏的触发器：将非马尔可夫奖励函数映射到马尔可夫

    通过学习奖励机制，将非马尔可夫奖励函数映射为等效的马尔可夫函数，证明了奖励机制相对于确定性有限状态自动机对于建模单一自动机中的奖励依赖性的重要性，并通过在 Officeworld 领域学习黑盒非马尔可夫奖励函数以及在 Breakfastworld 领域学习奖励之间的依赖关系的有效性来验证了我们的方法。

    Jan, 2024

  • 通过建模奖励来学习理解目标规格

    提出了一种基于奖励模型的框架，它使得机器学习代理能学习到语言指令， 并通过这些指令执行任务，而不需要通过修改环境奖励函数来实现。这种方法将任务的语义表示和执行分离，在简单的网格世界中，使代理能够学习一系列涉及块的交互和对空间关系的理解的指令， 且无需新的专家数据就可以适应环境的变化。

    Jun, 2018