decision transformer | BriefGPT

关键词decision transformer

搜索结果 - 17

蝰蛇作为决策者：探索离线强化学习中的多尺度序列建模
该研究论文借助于 Mamba Decision Maker 对 RL 领域的序列建模能力进行了深入探讨，并为未来鲁棒高效决策系统的进一步发展铺平了道路。
PDFa month ago
决策变压器作为部分可观测连续控制的基础模型
利用预训练的语言模型，探索决策变压器（DT）架构作为一种通用的控制器综合框架，同时展示了 DT 在各种控制任务上的能力，包括对非线性动力系统和部分微分方程进行控制，并具备出色的零样本泛化能力。
PDF3 months ago
决策玛巴：有选择性状态空间的序列建模强化学习
该研究探讨决策变压器架构中整合 Mamba 框架的潜在性能提升，并通过实验评估修改后的决策变压器模型 Decision Mamba 在不同决策环境中的效果，为顺序决策模型的发展做出贡献，突显了神经网络的架构和训练方法对复杂任务性能的重要影响
PDF3 months ago
离线安全强化学习的时态逻辑条件决策变压器
我们提出了一种利用信号时态逻辑 (Signal Temporal Logic, STL) 指定复杂时态规则并使用决策变压器 (Decision Transformer, DT) 进行顺序建模的新框架，称为时态逻辑规范化决策变压器 (Spec
PDF4 months ago
回归对齐决策转换器
离线强化学习中的传统方法旨在学习最大化累积奖励（也被称为回报）的最优策略。本文提出了一种名为 RADT（Return-Aligned Decision Transformer）的模型，通过解耦规范输入序列来增强回报与状态以及回报与行为之间的
PDF5 months ago
Context-Former: 通过潜在条件序列建模图像拼接
通过引入场景信息的模仿学习和序列建模以匹配专家轨迹，并将弱优轨迹片段无缝衔接，我们在离线强化学习中的决策变换器（DT）上提供了 DT 缺乏的衔接能力，实验证明 ContextFormer 在多种模仿学习设置下具有竞争力，超过了其他竞争的 D
PDF5 months ago
使用决策 Transformer 解决持续离线强化学习
通过比较决策 Transformer（DT）和基于演员 - 评论者结构与经验回放的现有方法，我们研究了连续离线强化学习（CORL）框架中的 DT，发现 DT 在学习效率、分布转移缓解和零 - shot 泛化方面具有优势，但在监督参数更新时会
PDF6 months ago
通过层次强化学习重新思考决策 Transformer
决策 Transformer 是一种创新算法，利用了转换器架构在强化学习中的最新进展；我们提出一个序列建模框架来研究通过分层强化学习进行顺序决策的方法，并展示了 DT 作为该框架的一个特例，同时讨论了潜在的失败选择；受到这些观察的启发，我们
PDF8 months ago
决策 ConvFormer: 元前馈中的局部过滤足以进行决策
通过使用多实体并行处理的结构，本研究提出了一种名为 Decision ConvFormer（DC）的新型动作序列预测模型，它在标准的强化学习基准测试中表现出了最先进的性能，并且对数据的底层含义有更好的理解和增强的泛化能力。
PDF9 months ago
使用合成数据进行预训练有助于离线强化学习
最近的研究表明，对于离线深度强化学习，通过在大型语言语料库中对决策 Transformer 进行预训练可以提高下游性能。本文首先证明了语言对于提升性能并非必要，事实上，通过对一小部分迭代进行合成 IID 数据的预训练即可与大型语言语料库的预
PDF9 months ago
面向随机驾驶环境的不确定性感知决策变换器
在本文中，我们介绍了一种适用于随机驾驶环境规划的不确定性感知决策 Transformer（UNREST），该方法通过条件互信息来估计状态的不确定性，并相应地对序列进行分割，以从真实的代理动作结果中学习而不是环境转换，实验证明了 UNREST
PDF9 months ago
ACT：通过优势调节实现决策变换的动态规划赋能
使用决策转换器（DT）和动态规划相结合的方法（ACT），克服了动态规划的弱点，通过有效的轨迹拼接和鲁棒的动作生成，在环境随机性方面表现出色，优于各种基准方法。
PDF10 months ago
使用离线强化学习与人类反馈对齐语言模型
通过离线强化学习从人类反馈中对齐语言模型，采用最大似然估计、加权回归奖励和决策变换方法，实现了比在线 RL 方法更稳定的模型训练和更高的性能。
PDF10 months ago
Waypoint Transformer：通过中间目标的监督学习进行强化学习
本研究提出了一种增强离线强化学习方法的新方法，即引入中间节点的 Waypoint Transformer，建立在决策变压器 (Decision Transformer) 框架上，自动产生的中间节点有助于连接不完美的轨迹，从而提高离线强化学习
PDFa year ago
揭开 ARC 难题：基于物体中心的决策 Transformer 的模仿人类解决方案
本文通过采用复合策略 - 决策转换和推拉聚类方法来增强人工智能的 ARC 问题解决技能和推进未来的人工智能研究，并强调了对高级数据收集工具、强大的训练数据集和精细的模型结构的需求。
PDFa year ago
使用因果反事实推理的迁移学习在决策 Transformer 中的应用
在强化学习中，通过应用因果推理和决策变换机制，从先前的环境中收集数据并将其用于新环境中的自适应转移学习可以成功地获得最佳策略，并保留大部分收益。
PDF3 years ago
决策变压器：通过序列建模的强化学习
本文基于序列建模思路，提出一种将强化学习抽象为序列建模问题的框架，使用 Transformer 架构和相关的语言建模技术（如 GPT-x 和 BERT）来解决增强学习任务，其中提出的 Decision Transformer 模型可以通过自
PDF3 years ago